Science 研究：Microsoft 的 MAI-DxO 在复杂病例模拟中的诊断准确率高于全科医生
发表于《Science》的研究显示，Microsoft 的 MAI-DxO 在《新英格兰医学杂志》的复杂病例模拟中正确率为 83%，高于独立作答的基层医生和全科内科医生的 36%。
#Agent
TechCrunch · AIAI 评分6565 TechCrunch · AIAI 评分6464 MIT 研究人员让 13 个 AI 智能体在虚拟岛屿自主探索并自发玩耍
MIT 研究人员让 13 个分别运行 Claude Opus 4.7 的 Eko 智能体在模拟荒岛上无特定任务地探索 30 小时，研究者认为它们表现出类似玩耍的行为。之后，这些智能体在特定挑战中的表现通常优于未参与岛屿探索的相同智能体；其中 6 个还学会了研究者未预设的投掷技巧。研究结果发表于 arXiv，伯克利认知科学家 Eunice Yiu 表示，判断这些行为是否确实体现认知还需要更多证据。
The DecoderAI 评分6666 研究比较三种编码 Agent harness：成本差异明显，通关率大多相近
Liu 和 Han 的研究比较了 Claude Code、OpenCode 和 mini-SWE-agent 对编码 Agent 任务表现与成本的影响，发现多数 harness 间的通关率差异落在测量波动范围内。