Google DeepMind 启动 AI co-clinician 医疗研究倡议
Google DeepMind 宣布推出 AI co-clinician 医疗 AI 研究倡议，探索在医生监督下让多模态 AI 智能体协同参与患者诊疗的“三方医疗”模式。
推荐理由：研究展示了结合实时音视频的多模态医疗智能体架构，为评估 AI 辅助问诊与临床安全边界提供了详细测试数据。
论文研究
全部主题值得读的 AI 论文与研究成果：架构创新、训练方法、能力测量与理论进展的精选解读。
最新精选
第 41–45 条 · 共 45 条Google DeepMind精选AI 评分6969
Google DeepMind精选AI 评分7575 Google DeepMind 发布 Decoupled DiLoCo：跨远距离数据中心的弹性分布式 AI 训练架构
Google DeepMind 提出全新分布式训练架构 Decoupled DiLoCo，通过异步数据流将大规模训练解耦到独立的算力单元中，实现跨全球数据中心的高容错与低通信开销训练。
推荐理由：原文给出了跨数据中心训练的异步解耦方案和实测数据，读者可以了解如何在低广域网带宽与异构硬件条件下维持高效预训练。
Google Research精选AI 评分6565 Google 提出智能体记忆框架 ReasoningBank：从成败经验中提炼推理模式实现测试时自进化
Google Research 提出智能体记忆框架 ReasoningBank，通过同时从成功和失败经验中提炼高层结构化推理模式与防错规则，使 AI 智能体在部署后具备测试时持续自进化能力。结合记忆感知测试时扩展（MaTTS）机制，智能体在 WebArena 和 SWE-bench Verified 评测中任务成功率分别提升 8.3% 与 4.6%，同时显著降低了无效探索步骤。
推荐理由：该研究将测试时扩展与智能体记忆机制结合，为解决智能体重复犯错和缺乏长程自进化能力提供了可落地的闭环框架。
Google Research精选AI 评分7171 Google 联合英国 NHS 评估乳腺癌筛查 AI 系统在双读流程中的可行性
Google 联合英国 NHS 在《Nature Cancer》发表两项研究，评估了乳腺癌筛查 AI 系统的独立性能及其融入临床双读工作流的可行性。在涵盖超 11 万名女性的回溯性与前瞻性测试中，AI 独立运行时的癌症检出率从每千人 7.54 例提升至 9.33 例，并检出 25% 原双读流程漏诊的间期癌。
推荐理由：研究通过超十万例真实筛查数据验证了算法替代第二阅片人的非劣效性，展示了医疗诊断场景下人机协同与工作流落地的量化路径。
Google Research精选AI 评分6666 Google 开展 AMIE 对话式诊断 AI 真实临床可行性研究
Google 与 Beth Israel Deaconess Medical Center（BIDMC）合作完成了一项前瞻性单中心可行性研究，评估对话式医疗 AI 模型 AMIE 在门诊就诊前采集病史的实际表现。
推荐理由：该研究展示了对话式医疗模型从模拟环境走向真实门诊预诊的可行性与安全性数据。