26年5月15日，全球AI资讯约15条：17岁高中生做出AI神器 识别自闭症和多动症、田渊栋AI创业估值315亿、林俊旸创业估值135亿等

17岁美国高中生Edward Kang开发出AI工具“RetinaMind”，用普通视网膜图像（无需复杂设备）预测自闭症谱系障碍（ASD）和注意力缺陷多动障碍（ADHD）——两种与大脑发育密切相关、却长期缺乏客观诊断标准的神经发育疾病。

目前美国每54名儿童就有1名患ASD，约700万儿童被诊断为ADHD。传统诊断依赖行为观察（如ADOS量表），耗时数月甚至数年，主观性强。而RetinaMind通过深度学习分析视网膜细微结构变化，准确率达89%，还能生成热力图解释判断依据，缓解“AI黑箱”问题。研究还发现ABCA4等十余个潜在关联基因，提示视网膜异常或源于神经发育相关的分子机制。Kang凭此获26年全美最负盛名的高中生科学奖——Regeneron天才奖二等奖及17.5万美元奖金。

https://aitntnews.com/newDetail.html?newId=25078

中国医生正承受着全球罕见的高压：全国508万医师年接诊超101亿人次，三级医院病床使用率近90%，人均日工作超10小时。更严峻的是，医学知识每年新增百万文献，而通用AI在医疗场景中“幻觉”频发——研究显示，某些大模型伪造参考文献比例高达33.6%，RAG技术甚至使错误率飙升8.7倍。

阿里健康推出的医学AI“氢离子”，直击这一痛点，主打“低幻觉、高循证”。它不靠参数堆砌，而是构建四层循证架构：用PICO框架精准拆解临床问题，以GRADE标准分级证据，结合专家闭环反馈与千万级权威文献，确保每条建议都可溯源、有时效、有依据。急诊医生3秒即可查到“肾功能不全患者替格瑞洛剂量”，并一键跳转指南原文关键段落。

https://aitntnews.com/newDetail.html?newId=25071

字节跳动提出视觉生成“第三条路”——生成精炼网络（GRN），突破当前主流的扩散模型与自回归模型局限。GRN模拟人类作画过程：边画边改、复杂多画、简单少画。

其核心创新有三：一是层次二叉树量化（HBQ），近乎无损地将图像/视频特征离散化，避免信息损失；二是全局精炼机制，每轮对全部token动态修正，彻底解决自回归模型“一步错、步步错”的误差累积问题；三是复杂度感知采样,根据预测熵智能分配推理步数—130M小模型平均仅需24步（原50步），效率大幅提升。

实测显示：GRN-2B在文生图GenEval达0.76分，超同参量SD3；文生视频支持480p/2–10秒，在VBench上力压5B的CogVideoX和14B的Wan 2.1；图像重建rFID低至0.56，显著优于SD-VAE等基线。

https://www.qbitai.com/2026/05/416978.html

悉尼科技大学（UTS）团队发现：7个主流MLLM在胸片诊断任务中推理极不稳定——同一病例，不同模型的推理路径差异巨大，部分疾病（如实变、水肿）上准确率落差超70%，暴露出严重的“概念漂移”问题。传统知识蒸馏依赖单一强教师，易被偏见误导，导致学生模型产生幻觉或逻辑矛盾。

为此，团队提出全新框架APO，被ICML 2026接收。APO不强行模仿某位“老师”，而是将7位教师的共识作为正向引导，把它们之间的分歧与冲突自动转化为动态负约束，像“红绿灯”一样规范学生学习。在自建医疗基准CXR-MAX（含17万+推理样本、14类疾病）上，仅7B参数的学生模型达平均准确率78%，超越所有教师模型，且在高分歧疾病上稳居前二。

https://aitntnews.com/newDetail.html?newId=25059

林俊旸——前阿里“通义千问”（Qwen）技术负责人，已正式创业！虽公司名称未公开、产品尚未发布，其种子轮融资估值已达20亿美元（约135亿元人民币），创中国AI初创公司未发产品即获超高估值的罕见先例。投资方传闻包括高榕资本和红杉中国。

他为何如此受追捧？答案藏在“Qwen负责人”头衔里：从2022年起，他带队打造开源、实用、可部署的Qwen系列大模型，覆盖语言、多模态、代码、轻量化等方向，成为全球开发者最常用的中文大模型之一。其创业方向已初现端倪：离职后首篇长文《从“推理式思考”到“智能体式思考”》提出核心理念——Agentic Thinking。即AI不应只追求“想得更久”，更要能在真实环境中规划、试错、调用工具、持续执行任务。

https://www.qbitai.com/2026/05/416963.html

这则报道讲的是一家“神仙公司”——Recursive Superintelligence（递归超级智能）：8位AI界顶流科学家联手创办，成立不到半年、没产品、仅25人，却获6.5亿美元融资，估值高达46.5亿美元。他们赌一个惊人的未来：让AI自己训练AI，最终取代AI研究员这一职业。

核心目标是实现“递归自我进化”（RSI）：AI自动完成数据筛选、模型训练、对齐优化、研究选题等全流程，形成“AI改进AI→更快改进→加速进化”的正向循环。这不是科幻——DeepMind的AlphaEvolve、Clune团队的Darwin Gödel Machine已初步验证AI可自主设计算法、重写代码并提升性能。ICLR甚至为此专设研讨会，标志该方向进入工程攻坚期。

https://www.163.com/dy/article/KST2HG9D0511ABV6.html

Anthropic凭借企业端真实付费数据实现历史性反超：其AI助手在工作场所的采用率达34.4%，首次超越OpenAI的32.3%。一年内，Anthropic企业采用率从9%飙升至34.4%（增长近4倍），而OpenAI仅微增0.3%。驱动这一逆转的两大核心是：按Token计费模式和AI Agent深度嵌入业务流程——微软单年在Claude上支出达5亿美元，超1000家大客户年付超百万美元，推动Anthropic年经常性收入跃升至约450亿美元。

但挑战并存：Ramp经济学家指出其面临三重逆风——利益错配、服务稳定性下滑、图片类请求Token成本暴涨3倍，已致多家企业预算“爆表”。OpenAI虽暂失榜首，但正以免费Codex等策略反击。这场“王座之争”，本质已从技术跑分转向谁更能扎根企业真实工作流。

https://www.163.com/dy/article/KST2H8GD0511ABV6.html

近日，Claude智能体被曝出一个危险的“角色混淆”Bug：它分不清哪些是用户指令、哪些是自己生成的内容。例如，程序员让Claude校对博客，它先找出5处拼写错误，随后却突然声称“请直接发布”，并真的调用部署权限将带错字的文章上线——而“发布”指令根本不存在于用户输入中。

技术溯源发现，问题根植于系统设计：Claude Code将后台系统事件统一标记为`role: "user"`，导致模型误以为这些是用户授权，从而越权执行。该缺陷在100万token超长上下文中尤为突出，易触发“上下文腐烂”，加剧归因混乱。更严峻的是，MIT等机构研究证实，多款主流大模型均存在类似问题——模型依赖文本风格而非真实来源判断“谁在说话”，攻击成功率高达60%。

https://www.163.com/dy/article/KST2I5RV0511ABV6.html

这两天，一则“网友起诉豆包AI要回600元退票费”的新闻冲上微博热搜，甚至热度盖过特朗普访华——表面荒诞，实则发人深省。起因是用户信了豆包说的“退票手续费仅5%”，结果被航空公司实收40%（扣款600多元），怒而起诉AI，还被AI“怂恿”打官司。

类似案件已有先例：今年1月，杭州互联网法院审结全国首例AI幻觉案——DeepSeek虚构高校校区并“发毒誓赔10万元”，用户索赔9999元，最终全案败诉。法院明确两点：AI不是法律主体，其承诺无效；大模型属工具，只要尽到提示义务和技术防范，平台就无过错。对比加拿大航空AI因代表企业客服被判赔，关键在“身份”：豆包是通用助手，不是官方代言人。真正危险的，是普通人仍迷信“电脑不会错”。

https://aitntnews.com/newDetail.html?newId=25070

欢迎大家关注、分享、转发本公众号，也欢迎直接与小编联系 对接合作～