正在刊行早报 · Morning Brief
2026-10-25所有内容
随机比特 · Random Bits

微软 AI 病例测试答对 83%,为什么还要进医院再测?

2026-10-25AI Engineering / Systemsrbits.uk
微软 AI 病例测试答对 83%,为什么还要进医院再测?

微软的 MAI-DxO 在复杂病例测试中达到 83% 准确率,能查资料的医生为 36%。但真实医院里的前瞻研究仍待开展:答对整理好的病例,距离接住真实患者还有一步。

🚀 能力评估与实际边界

• 微软 MAI-DxO:病例高分之后再进医院 —— 10 月 22 日公布的研究采用逐步询问、申请检查的诊断流程,上述成绩来自复杂 NEJM 病例评测。微软计划与医院开展患者直接参与的前瞻研究;基准成绩尚不能证明临床效果。

• 九款模型的文字为何让人读着累 —— 10 月 21 日预印本发现,九款模型均更常使用罕见词组,多数还存在更长的句法依赖和名词堆叠。作者提出并初步检验“追求信息密度”的解释:审核 AI 文档,压字数之外还得拆长句、补清动作主体。

🛠️ 开发工具与页面交付

• Hallmark:给生成页面加上验收规则 —— 本次热榜发现的设计技能兼容 Claude Code、Cursor、Codex 等工具,文档提供 48 种主题及浏览器检查流程,覆盖手机布局、对比度和表单等问题。值得借鉴的是把“好看”拆成可检查的要求;首发日期未确认,实际效果仍需实测。

• AWS Agent Toolkit:统一云开发接入入口 —— AWS 官方仓库汇集 MCP servers、Skills 和插件,帮助编码 Agent 开发、部署和管理云应用。文档检索与实际 API 操作的条件不同,后者仍需配置账号凭据与权限;这是工具发现,首发日期未确认。

📖 推理模型学习资源

• Raschka 上线超过 11 小时实作课程 —— 10 月 24 日发布 8 段视频,从预训练 Qwen3 小模型出发,用 Python、PyTorch 实现评估、推理时扩展、强化学习和蒸馏。早期生成与评估示例可用 CPU,后续训练更适合 GPU;适合想亲手理解推理模型的开发者。

📚 延伸阅读

• Thomas Hikaru Clark 等:为什么 AI 生成的语言难以理解?
https://arxiv.org/abs/2610.29162

• Hallmark:设计约束、页面检查与接入文档
https://github.com/Nutlope/hallmark

• Sebastian Raschka:从零构建推理模型视频课程
https://magazine.sebastianraschka.com/p/building-reasoning-models

随机比特公众号二维码
公众号 · 随机比特
从 AI 工具热闹里拆工程真相

写边界、控制面、上下文、成本与安全。