文章介绍了由 6 位前 DeepMind 成员创立的初创公司 Poetiq，他们没有直接开发大模型，而是构建了一个元系统。该系统能够让现有前沿大模型自动生成解决特定任务的策略和模型组合，有效解决了大模型单独处理复杂任务的痛点，并将推理成本降低了一半。Poetiq 的优化技术在 ARC-AGI-2 榜单上以 54%的准确率和 31 美元/任务的成本刷新了 SOTA，远超其他模型。文章详细阐述了该元系统如何通过自动选择模型组合、策略，并在递归、自我改进的循环中优化解答，使其能快速适配不同模型（如 Gemini、GPT 系列、Grok）并持续获得“更高准确率+更低成本”的效果。Poetiq 强调其系统不依赖特定大模型，而是通过其灵活架构和自我检查机制，优化大模型的调用方式和推理过程，从而释放生成式 AI 在复杂推理方面的潜力。
文章报道了天桥脑科学研究院（TCCI）成立尖峰智能实验室（SIL）的重要新闻。该实验室由中国科学院自动化研究所李国齐教授领衔，旨在研发类脑大模型和脉冲神经网络，以实现人工智能与人类智慧的深度融合。研究院创始人陈天桥首次提出“发现式智能”理念，强调借鉴人脑 20 瓦低功耗运行的独特能效，构建具有神经动力学特性的类脑大模型，区别于当前主流 AI 的“参数堆叠”模式。尖峰智能实验室的成立标志着 TCCI 从传统的捐赠支持模式转向“In-House”自主研发模式，旨在加速“发现式智能”的理论突破和技术转化，进一步彰显了其支持中国基础脑科学研究和 AI 发展的决心和关键布局。
文章详细介绍了微软 GigaTIME 项目在癌症免疫研究领域的创新成果。该项目利用 AI 技术，能够将传统医院中廉价（5 美元）的 H&E 染色切片“翻译”成高昂且稀缺的 mIF 免疫图谱。通过这种跨模态学习，GigaTIME 将 H&E 中的形态特征映射为 mIF 中的 21 个蛋白通道，实现了对 14256 名患者、近 30 万张虚拟免疫图谱的生成，构建了一个前所未有的“虚拟人群”。这一突破性进展，不仅打破了传统癌症免疫研究中样本稀缺、成本高昂的限制，首次实现了人群尺度的肿瘤免疫微环境（TIME）研究，还通过大规模数据分析识别出 1234 个统计学显著的蛋白质-生物标志物关联，并验证了虚拟 mIF 在患者生存风险预测方面的能力，展现了 AI 在医学诊断和研究中的巨大潜力。文章强调 GigaTIME 并非简单技巧，而是通过学习数据本身的语言，在真实世界数据中得到验证，并已开源，有望成为医学界构建未来研究的基础工具。
