7月7日，全球首款棉花激光打顶机器人在昌吉市榆树沟镇亮相。该机器人由新疆大学与新疆极目机器人科技有限公司联合研发，历时3年完成。其棉花顶芽识别准确率达98.9%，伤苗率小于3%，作业效率为每小时6~8亩，是人工的10倍以上。相比传统机械切割或化学打顶，激光技术具备非接触、无损伤优势，减少环境污染，并可昼夜作业。机器人搭载‘智能眼’和大功率蓝光激光器，能精准定位并灼烧棉花顶芽，促进植株营养集中供给侧枝棉桃，助力丰产。核心指标仍有提升空间，未来性能将进一步优化。

7月1日，微软宣布推出AI诊断工具MAI-DxO，在测试中其诊断复杂病例的准确率达到85.5%，超过21位来自美国和英国的资深医生。该工具整合了多个知名AI模型，其中OpenAI的o3模型表现最佳。MAI-DxO能像人类医生一样分析症状、提出问题并推荐测试，同时优化医疗成本，减少不必要的支出。尽管表现优异，微软强调AI并非取代医生，而是协助其完成常规任务并提升诊断效率。测试基于《新英格兰医学杂志》的304个案例，但微软也指出该测试更偏向记忆而非深刻理解。

6月16日消息，全球首个儿科大模型‘福棠・百川’正式落地北京荣华医院，该模型由北京儿童医院与百川智能联合研发，诊断准确率达82%，优于主治医师平均水平（78%）。‘福棠・百川’基于万亿级token的专业医疗数据构建，整合300余位专家经验及高质量病历，具备全科与专科双重能力，可提供个性化诊疗方案。该模型已在北京市部分社区医院及河北150余家县级医院试点推广，未来将进一步优化并扩大覆盖范围，助力全国儿科诊疗水平提升。

标题：奥特曼ChatGPT用法错了？最新研究显示“直接回答”降低准确率，思维链提示作用有限 沃顿商学院等机构的一项新研究表明，流行的“直接回答”提示会显著降低大模型的准确率。同时，研究发现思维链（CoT）提示对于推理模型效果有限，甚至可能适得其反。 研究团队基于GPQA Diamond数据集...

4月25日，英伟达发布两款专注于数学推理的AI模型——OpenMath-Nemotron-32B和OpenMath-Nemotron-14B-Kaggle。这两款基于Qwen系列transformer架构的模型，通过在OpenMathReasoning数据集上的深度微调，显著提升了复杂数学问题的解决...

4月21日，据快科技报道，大阪都会大学医学研究生院研究显示，生成式AI在医疗诊断中的平均准确率达52.1%，与非专家医生相当，但比专家医生低15.8%。研究分析了GPT-4、Llama3 70B、Gemini 1.5 Pro和Claude 3 Sonnet等主流AI模型，其中GPT-4应用最广。AI在皮肤科诊断中表现优异，得益于图像识别能力，但在泌尿科领域的可靠性仍需更多数据验证。研究认为，生成式AI有潜力辅助医疗诊断，尤其在医学教育、非专家医生支持及资源匮乏地区的诊断中可发挥作用。未来，随着技术进步，AI与专家医生的诊断差距有望缩小。

4月21日，大阪都会大学医学研究生院的研究显示，生成式AI在医疗诊断中的平均准确率为52.1%，与非专家医生相当，但低于专家医生15.8%。研究团队分析了83项涉及GPT-4、Llama3 70B等模型的研究，发现AI在皮肤科表现突出，但在泌尿科的数据有限。AI可辅助医学教育和资源匮乏地区的诊断，但其透明度和偏见问题需解决。研究呼吁未来在更多复杂临床场景中验证AI性能，并强调其在医学培训中的潜力。尽管AI展现潜力，但涉及复杂病例时仍存挑战，医生失业风险尚不确定。

近日，《科学》杂志报道了多个研究团队利用AI技术解读动物情绪的成果。英国西英格兰大学和苏格兰农村学院开发的‘智能猪’系统能通过分析猪面部照片，识别其疼痛、生病或情绪不安的迹象，并通知农场主。以色列海法大学的研究团队通过AI识别动物面部表情中的不适迹象，准确率达到77%。巴西圣保罗大学的研究人员利用马的面部照片训练AI系统，准确率高达88%，甚至能发现兽医可能忽略的疼痛迹象。这些技术有望提升动物福利和医疗水平。（2月17日）

非营利组织‘人工智能安全中心’（CAIS）与Scale AI联合推出‘人类终极考试’基准测试，评估AI系统的综合能力。该测试由全球500多个机构的近1000名专家设计，涵盖多领域复杂题型。初步结果显示，所有公开旗舰AI系统准确率均未超10%，暴露了AI在综合性问题上的不足。CAIS和Scale AI计划将测试向研究社区开放，以进一步评估新模型。测试于1月24日发布。

最新研究显示，AI在高级历史题上的准确率仅46%，远低于随机猜测水平。该研究由奥地利复杂科学研究所团队主导，测试了GPT-4、Llama和Gemini三大顶尖模型。使用Hist-LLM基准测试工具，结果显示GPT-4 Turbo表现最佳但仍不理想。研究指出，AI在处理技术性和复杂历史问题时存在困难，可能因训练数据偏见导致在某些地区表现更差。尽管如此，研究人员对未来AI辅助历史研究仍持乐观态度，正通过改进基准测试工具来提升模型性能。