Import AI 第 476 期：AI 创造力与递归自我改进；中国开源权重模型表现落后；AI 进军太空
Import AI 第 476 期报道 Scale AI 与 Elorian 发布的视觉推理基准 Humanity's Sixth Sense：人类 pass@1 为 93.1，最佳 AI 模型 GPT 6 Astra 仅 53.6，中国开源权重模型 GLM-5.3-flash（26.8）与 Kimi K3（25.5）垫底。
#多模态
#多模态
今日 0 条Import AIAI 评分3636
Google ResearchAI 评分5151 Google Research 发布长视频一致性生成的多智能体框架套件
Google Research 发布面向长视频生成的多智能体框架套件，包含 AI video co-director、CANVAS、A²RD 与 VQQA，作为编排层构建在 Gemini 和 Veo 之上，其中 Co-Director 将发表于 COLM 2026、CANVAS 将发表于 EMNLP 2026。
Google ResearchAI 评分3434 Google Research 提出 AgentHands：为 XR 智能体对话生成同步手势
Google Research 在 CHI 2026 发表研究原型 AgentHands，让 XR 中的 AI 智能体在对话时同步生成手势。系统结合空间感知、GestureEvents 与词级 TTS 时间戳，将 LLM 输出映射为实时 3D 手部动作。N=12 的用户研究显示，相较纯语音基线，AgentHands 在空间定位沟通效果上带来显著提升。
Google ResearchAI 评分4343 Google Research 提出 PhotoScan：用智能手机影像估算心血管代谢风险，精度接近 DXA
Google Research 提出 PhotoScan 深度学习框架，仅凭标准 2D 智能手机照片即可估算体脂率（BF%）、A/G 比和 V/S 比等三维体成分指标，预测胰岛素抵抗的精度接近 DXA 扫描。
Microsoft ResearchAI 评分4949 MindTopo 揭示 VLM 空间推理能力：静态识别强于交互规划
Microsoft Research 提出 MindTopo 基准，用于评测多模态大模型（VLM）的拓扑推理能力，覆盖连通、分离、顺序、包围与绳结五类任务。测试发现，模型在静态识别上明显强于交互规划，两者均远低于人类水平，失败多出现在规划而非感知阶段。图像生成只在单帧可见关系时有用，视频推演跨多步仍常改变拓扑或违反任务动力学。
Google Research精选AI 评分6565 Google AMIE（Video）实现专家级实时视频临床问诊
Google Research 发布 AMIE（Video），一个基于 Gemini 和 Project Astra 的实时视频临床问诊系统，在覆盖 5 个身体系统的 100 个场景、300 次问诊的随机 OSCE 研究中，其临床问诊、诊断和管理能力与 30 名认证初级保健医生持平，并在体征观察和引导虚拟查体上显著优于医生组和文本版 AMIE。
推荐理由：原文给出随机对照研究和多智能体架构细节，读者可以据此判断音视频通道相较纯文本究竟在哪类临床能力上带来了差异。
Microsoft ResearchAI 评分5353 微软研究院推出 CARE-X 放射学 VLM，融合辅助监督与工具增强测量
微软研究院推出研究模型 CARE-X，一个覆盖胸部 X 光多种解读任务的放射学 VLM，可同时生成自由文本报告并输出带置信度的结构化预测。它基于 SigLIP2-so400M 视觉编码器和 Phi-4-mini-instruct（3.8B），通过分类、定位与语言建模的联合训练及 DAPO 强化学习优化临床正确性，在 ReXVQA 上达到 94% 整体准确率。
Google ResearchAI 评分4949 Google Research：迈向利用智能手机摄像头的被动式心脏健康监测
Google Research 在 Nature 发表 PHRM 系统，通过手机前置摄像头在日常使用中被动监测心率，单次心率 MAPE < 10%、日均静息心率 MAE < 5 bpm。系统基于 35 万段视频、约 700 名不同肤色受试者训练，是迄今最大规模的 rPPG 研究，并公开 PHRM-mini 预训练模型与数据集供研究者申请。
Google DeepMindAI 评分5858 Google DeepMind 启动 AI co-clinician 医疗研究计划
Google DeepMind 宣布启动 AI co-clinician 研究计划，探索 AI 智能体在医生监督下作为诊疗团队成员与患者互动。在 98 个真实初级保健问题的盲评中，该系统在 97 个问题上零关键错误；在 140 项问诊技能评估中，有 68 项达到或超过初级保健医生水平。