论文里的AI水文，IdeaLens想靠点子而不是用词来抓
很多检测器盯的是用词，非英语母语的作者一润色就容易被误伤。马里兰大学团队的IdeaLens换了个问法：先把文章收成一份去掉原文句子的大纲，再看这些点子更像人还是AI。小编把预印本里「人出提纲、AI写正文」和反过来的两组结果分开讲，也写了它现在还不能当终审的原因。
walle
科技周报：开源模型、太空算力和无人卡车（截至10月31日）
这一期周报收到10月31日。小编没有逐篇翻译原文，只把能对上的事实收成短条目：Mistral的开源权重模型、多数公司利润还看不出AI红利、币安大额被盗、谷歌的太空数据中心试验、特拉华拟议让AI代理经营公司，以及Kodiak的高速公路无人卡车合同。数字和说法都注明了出处，方便您自己判断。
AI出主意很快，人组队为什么还是更有创意
生成式AI写得又快又长，不等于更有创意。一项208人的实验里，跟ChatGPT一起做「一件东西还能怎么用」，回答更长，但点子更挤在一块。两人一组更散，而且越做越散。小编用大白话讲发散思维、语义距离，以及先找人再问模型这件事。单条建议可以很巧，可大家一起用，风格就会靠拢。
微软MAI-DxO：诊断准确率为什么能到医生的两倍
微软论文里的MAI-DxO，不是让一个聊天框直接报病名。它把模型拆成几个人：有人猜诊断，有人挑检查，有人算费用。复杂病例准确率到83%，对照医生大约两成出头。小编把实验怎么设计、钱省在哪，以及现在还不能单独进诊室的原因分开讲清楚。数字来自对照实验，不是宣传口径。
用大白话让AI设计蛋白质：Pinal怎么做、命中率如何
西湖大学团队在《自然》上介绍了 Pinal：您用大白话描述想要的蛋白质功能，模型再给出氨基酸序列。发光蛋白从 5 万条收到 29 条进实验室，只有 1 条真的亮；穿梭蛋白最好的结果，把固碳通路产量提到天然版的 1.7 倍。小编把两步流程、命中率和仍须实验验证的地方讲清楚。