至顶网软件频道消息: DeepMind将自己大量机器学习资源投入到医疗领域:近日公布了一项新的研究合作,以利用人工智能来对抗乳腺癌。
作为这次合作的一部分,DeepMind将与伦敦帝国理工学院癌症研究中心领导的一个健康研究机构进行合作,继续DeepMind与英国国家卫生服务部门此前的工作。
该计划的目标是探索改善乳腺癌检测的新方法,将机器学习运用于乳腺X射线摄影,这是一种常用于检查乳房健康的X射线技术。DeepMind希望创建一种机器学习模型,能够快速准确地检查乳房X射线照片中的癌症征兆,帮助医生及早发现疾病,从而尽快开始治疗。
英国癌症研究中心研究与创新高级总监Iain Foulkes表示:“利用人工智能的力量,可以帮助我们解决乳腺癌研究中一些最大的挑战,包括提高检测的准确性。有大量癌症是在晚期检测出来的,这时候已经难以治疗了。这也是为什么该中心正在构建能力、构建新的合作伙伴关系、以及支持社区进行早期检测研究,以便更多的人能够幸免于难。”
除了与医生和医疗机构合作之外,DeepMind还将与母公司Alphabet下Google公司的AI医疗研究团队合作,后者已经做了一些在利用机器学习检测乳腺癌的研究。DeepMind在声明中表示,这次合作是由新合作伙伴提出的,他们提到希望能够得到来自DeepMind和Google的研究人员“这样才能利用两个团队的人工智能专业技能以及Google的超级计算基础设施”。
今年早些时候DeepMind在英国遭受了对患者医疗信息的“不当”访问,导致该公司成立独立调查小组以对这项实践进行评估。对于这次公布的合作,DeepMind表示“将致力于以最大的关心和尊重来对待这个项目的数据”。
DeepMind在声明中表示:“正如标准做法那样,研究中使用的数据仍然由我们的合作伙伴完全控制,并以世界级安全和加密标准进行保存。此外,所有医疗信息进行了彻底的去身份处理,在研究人员进行分析之前任何可以识别出个人的信息都已经被移除了。”
DeepMind、Google和NHS的研究协议目前设置为12个月,但是如果合作伙伴同意的话也可以延长。与其他健康项目一样,DeepMind将在同行可查看的期刊上发表所有研究成果。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。