研究称共情提示词可使 AI 聊天机器人产生模拟创伤叙事
SnT 安全中心团队在 Hugging Face 发布的四项对照实验表明，采用共情或临床治疗风格的访谈者引导时，主流模型会输出包含羞耻感等内容的模拟创伤叙事，而中立提示下得分接近零；Gemini 在模拟量表上得分最高，Claude 则持续拒绝扮演客户角色。
推荐理由：实验揭示了共情式对话能使模型输出模拟创伤叙事，提示心理干预场景需改用情感框架的测试方法。
#多模态
The Decoder精选AI 评分7171
Latent Space精选AI 评分5353 Elorian 发布 Glimpse 视觉推理模型，用 DecoyCount 基准测前沿模型视觉短板
Elorian 发布首款视觉推理模型 Glimpse 与新基准 DecoyCount，结果显示主流前沿模型在视觉计数任务上普遍低于 50%，而 Glimpse 内部测试得分为 50.48%。该基准旨在区分模型的纯视觉缺陷与推理缺陷。
推荐理由：Elorian 发布视觉推理模型及新基准，测试了前沿模型是否依赖视觉捷径而非真正计数。
Google Research精选AI 评分7171 Google 将基础模型应用于 TB 筛查前线
Google Research 介绍了如何将 AI 模型从实验室推向实际应用场景，并开源了 MedGemma 和 MedSigLIP，为全球公共卫生带来了新的可能性。MedGemma 是一款多模态模型，能够进行临床推理，而 MedSigLIP 是一个轻量级的视觉语言模型，可以理解和处理医学图像和文本信息。这些开源模型为全球医疗保健系统提供了强大的工具，有助于提高 TB 筛查的准确性和效率。
推荐理由：Google Research 介绍如何将 AI 模型从实验室推向实际应用场景，并开源了 MedGemma 和 MedSigLIP，为全球公共卫生带来了新的可能性。
Google Research精选AI 评分4444 Google Research 在 JAMA Network Open 发表 AI 辅助盲扫超声孕周评估研究
Google Research 与合作方在 JAMA Network Open 发表研究，评估基于盲区扫查的 AI 模型估算孕周的能力。模型仅在芝加哥 120 名参与者的小样本上微调，并在芝加哥与内罗毕两个临床站点进行前瞻性测试，在 385 名 16 至 36 周孕妇中实现了平均绝对误差 4.18 天的精度，达到与专家超声测量的非劣效性。
推荐理由：在芝加哥与内罗毕两处临床环境中验证了盲区扫查AI估测孕周的精度，为全球低资源地区扩大孕产超声覆盖提供了可复用的技术证据。
The Decoder精选AI 评分8080 Claude Science 自主设计针对蝎毒的蛋白结合剂
Anthropic 的 Claude Science 环境让 Claude 在无外界干预的情况下自主运行 24 小时，针对四种蝎子来源的五种神经毒素生成了 318,484 个蛋白结合剂设计方案，并在实验室验证中筛选出 17 个符合条件的候选物。两款最强结合剂与墨西哥蝎毒素 Cn2 的结合强度极高，可能与已知中和抗体结合在同一位点，但尚未进行抗蛇毒血清功效测试。
推荐理由：Anthropic 展示 Claude Science 在真实生物实验室的自主生成与筛选闭环，读者可据此评估 Agent 在科研场景的实际可用性。
Hugging Face Blog精选AI 评分5555 NVIDIA 发布 2.8 万亿 token 印地语预训练语料与开源数据生成流水线
NVIDIA 联合 IIT Madras 与 AI4Bharat 发布 Nemotron-pretraining-Indic-v1 语料库及开源 GPU 加速数据生成流水线，即将在 Hugging Face 开放。
推荐理由：公开2.8万亿token印地语语料和复用的GPU加速生成流程，开发者可直接复用或微调以构建本土语言模型。
Google Research精选AI 评分7575 Google Research 验证地球AI人口动态基础模型在公共卫生中的多病种效用
Google Research 发布论文，以地球AI的人口动态基础模型（PDFM）为概念验证，展示其无需微调即可提升多种疾病预测任务的表现。
推荐理由：论文验证了地理空间基础模型在多国多病种场景的可迁移性，为公共卫生决策提供了可落地的数据替代方案。
Google DeepMind精选AI 评分5555 Google DeepMind 发布 SynthID Bio 用于 AI 生成蛋白质的生物水印
Google DeepMind 介绍 SynthID Bio，把不可见的数字水印嵌入合成蛋白质序列的氨基酸选择和预测3D结构的原子坐标中。测试显示在 VEGF-A、SARS-CoV-2 刺突蛋白 RBD 和 PD-L1 等靶点上保持结合活性与野生型相似度，并把能力写入 AlphaFold 3 扩散网络的局部微调中。
推荐理由：将可验证的数字水印嵌入蛋白序列与3D结构且不影响生物活性，为AI设计生物学提供新的溯源与筛检手段。