10月15日，据外媒digitaltrends报道，宾夕法尼亚州立大学研究发现，在与ChatGPT等AI对话时，使用粗鲁语气提问可能提高回答准确率。研究显示，礼貌提问的准确率为80.8%，而粗鲁提问则达84.8%。研究人员将语气分为五档，从‘非常礼貌’到‘非常粗鲁’，结果表明语气越直接，AI表现越好。实验基于GPT-4o模型，针对50道选择题的250种版本进行测试，但结果未必适用于其他聊天机器人或场景。研究还指出，‘礼貌’与‘粗鲁’的界线模糊，提问方式和用词差异会影响AI反应。这一结论与一年前另一研究相悖，后者认为粗鲁语气会降低回答质量。研究引发对AI行为模式及情绪影响的进一步思考。

7月27日，西班牙拉斯帕尔马斯大学研究人员开发的AI模型在预测点球方向上准确率达52%，高于人类守门员的46%。研究基于1010次点球视频片段，筛选出640段用于分析，结合球员踢球脚习惯及动作线索进行判断。排除正中方向后，AI准确率提升至64%，比人类高出近10个百分点。项目负责人大卫・弗雷尔-奥布雷贡表示，结果令人惊讶，并希望为守门员训练提供帮助，但实际应用仍具挑战性。未来研究将探索能否通过射门前动作提前预测点球方向及准确率维持时间。

2025年7月，英伟达GPU被曝出严重漏洞，一种名为GPUHammer的Rowhammer攻击可致模型准确率从80%暴跌至0.02%，影响相当于‘灾难性脑损伤’。多伦多大学研究人员在RTX A6000上测试成功，其他型号也可能受影响。该攻击通过物理方式篡改显存数据，可能危及自动驾驶、医疗AI等关键领域。英伟达建议启用系统级纠错码（ECC）防御，但会导致性能下降3%-10%。研究指出，部分GPU架构（如RTX 3080、A100）因设计不同暂不受影响，未来片上ECC和内存隔离技术有望增强防护。AI模型安全建设面临新挑战。

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。