搜索 AI 资讯

AI评测转向现实任务执行，OpenAI推出LifeVal衡量个人助理能力

OpenAI发布LifeVal基准，衡量AI在照护、健康、教育、家庭管理、个人财务及政府服务等日常场景的表现。与侧重知识问答和单项能力不同，它关注AI能否将任务推进至可执行、可交付状态，解决实际问题。基准参考美国时间使用调查，基于3995名受访者调研构建，OpenAI过去一年持续用其追踪。

用于医学图像间最优传输的凸势学习

arXiv:2610.37844v1 发布类型：新 摘要：在形态学分析中，计算医学图像之间的最优传输映射具有基础性作用。然而，现有方法要么难以扩展至大型三维医学图像，要么依赖于正则化形式，只能提供近似的传输映射。为提高下游医学图像分析的准确性，我们提出了一种新颖的方法，通过参数化凸势函数来估计最优传输映射。根据构造，所得的传输映射必定无旋，符合布雷尼耶定理。我们在二维和三维医学影像数据集上对该方法进行了评估。实验结果表明，我们的方法能够实现更低的传输估计误差，并生成更高q

面向医学影像的负责任量子机器学习：针对敏感子群体的公平性审计

arXiv:2610.37819v1 发布类型：新 摘要：量子机器学习（QML）正日益被应用于医学分类任务，然而其在考虑子群体公平性标准下的表现仍缺乏深入研究。我们针对医学影像领域中的经典与量子分类器开展了一项实证性的公平性审计，并假设量子机器学习本身并不天然具备公平性。本研究评估了两种场景：基于DDI数据的皮肤病变分类（敏感属性为Fitzpatrick肤色类型）以及基于CheXpert衍生数据的胸部X光片分类（敏感属性为年龄组）。利用ResNet-18提取的特征嵌入，我们在基准设置及三种缓解策略下训练SVM、MLP、QSVM和QCNN模型：可微分的等权几率（EO）正则化、梯度反转学习（GRL），以及二者结合。同时，以基础模型（PanDerm、EVA-X）作为外部参考。

睡眠框架：一种让大型语言模型在持续学习中保持知识的新方法

教育创新

工业智能：制造业的下一个增长机遇

每家制造商都有自己独特的工业智能。有些已形成文档，有些则沉淀在经验丰富的员工的脑海里。试想一位经验丰富的操作员，在换线后准备重新启动生产线。机器的设置固然重要，但了解某种材料的特性、上一班次发生了什么，以及某个看似微不足道的……也同样不可或缺。

基于扰动的数据选择用于医学问答

arXiv:2610.33440v1 发布类型：新 摘要：从现有问答库中适配医学语言模型时，选择一个紧凑的训练子集是至关重要的一步。我们研究了基于扰动的数据选择方法，该方法利用最终层表示的高斯扰动所衍生的两种信号：预测变化频率与非翻转边际收缩。在经过共享熵预过滤后，表示敏感度优先化（RSP）通过自动均方根缩放将这两种信号进行整合，而RSP-Drop则仅依据收缩程度对候选样本进行排序。这两种选择器在筛选过程中仅使用问题和答案选项。我们在MedGemma-4B上，针对五个医学问答数据集，在保留集规模分别为64、128和256个样本的情况下对其进行了评估。在主要预算为128个样本时，

TutorCaseBench发布：首个面向特殊教育场景的LLM家教评估基准

2026年10月24日，研究者在arXiv（编号2610.30828v1）发布TutorCaseBench——一个基于教育学、教育心理学与特殊教育真实案例构建的LLM家教评估基准，聚焦支持存在学习与行为困难学生的能力。该基准含923段对话、覆盖5类挑战行为，采用开放式生成（1560题）与多选题（2537题）双轨评估；11个前沿大模型中表现最优者仅在55.8%的开放题中满足评估标准。

推荐理由：该研究填补了现有AI教育评估忽视特殊需求学生行为复杂性的关键空白，方法论强调证据溯源（qualitative case studies + source-grounded rubrics），数据全部开源，具备可复现性与教育实践相关性；结果明确揭示当前LLM在情境化响应生成上的显著短板，对教育AI落地具警示与指导价值。