大黑AI速报

Google DeepMind正式推出Project Genie，这是一个实验性研究原型，被认为是目前最先进的世界模型。它能够仅从简单的文本或视觉提示，实时创建、编辑和探索动态、交互式的虚拟世界。该项目现已面向美国地区的Google AI Ultra订阅用户（18岁以上）开放访问，旨在研究沉浸式用户体验并探索未来方向。项目介绍：https://deepmind.google/blog/project-genie-experimenting-with-infinite-interactive-worlds/^{[1][2][3][4][5][6][7][8][9][10][11][12]}

Qwen团队发布Qwen3-ASR，这是业界首个支持原生流式传输的开源大语言模型语音识别系统。该模型专为处理混乱的真实世界音频设计，并已集成到mlx-audio v0.3.1中，具备生产就绪能力。项目地址：https://x.com/Alibaba_Qwen/status/2016900512478875991^[13][14]

Google Gemini App为Gemini 3 Flash模型推出了名为Agentic Vision的新能力。该功能通过规划、缩放和推理等新方式分析图像，旨在更准确、一致地读取图像中的精细细节（如序列号或图表文本）。该功能正在向Gemini应用用户推出，用户可在模型下拉菜单中选择“思考”模式来使用。^[15][16][17]

Anthropic发布了一项关于AI辅助编程对软件工程师技能掌握影响的实验研究。研究发现，使用AI编码工具可能会【降低技能掌握度】，但具体效果取决于使用方式。这项研究对如何设计促进学习的AI产品以及制定相关职场政策具有更广泛的意义。论文链接：https://t.co/V06Q83Luhv^[18][19][20]

多家研究机构发布重要成果：斯坦福SAIL与ETH合作的研究表明，使用丰富反馈的强化学习（如SDPO方法）在困难任务上显著优于标量奖励。微软研究团队在CACM发表论文，探讨【智能体网络】如何构建开放、去中心化的智能体经济。此外，Google推出了基因组学AI模型AlphaGenome，并开放了相关权重。^{[21][22][23][24][25]}