University of California, San Francisco
PulseAugur coverage of University of California, San Francisco — every cluster mentioning University of California, San Francisco across labs, papers, and developer communities, ranked by signal.
- 2026-05-14 funding Kenneth Hao and Kathy Chiao donated $100 million to UCSF to support capital needs and accelerate innovation. 来源
5 天有情绪数据
-
OpenAI洽谈300亿美元融资，准备在欧盟推出文本水印，上线B2B市场
据报道，OpenAI正与阿联酋投资基金等洽谈一轮300亿美元的融资，BlackRock和加州大学捐赠基金等实体也可能参与。该公司还在准备在欧盟的ChatGPT和Codex输出中实施不可见的文本水印，以遵守《人工智能法案》的透明度要求。与此同时，OpenAI推出了一个旨在整合AI应用和简化客户预算的B2B市场。
-
MARCUS AI模型在多模态心脏病诊断方面取得突破
研究人员开发了MARCUS，这是一种新颖的代理式多模态视觉语言模型，专为心脏病诊断而设计。该系统能够单独或组合地解释各种心脏成像模态，如心电图、超声心动图和CMR扫描。MARCUS采用分层架构，由中央协调器协调专门的视觉语言专家。在测试中，MARCUS在心脏解读的准确性和自由文本质量方面显著优于领先的前沿模型，同时还表现出对推理错误的更好抵抗力。
-
Shelly 漏水传感器和 Snap! 编程语言在教育领域受到关注
该集群涵盖了两项不同的技术公告：Shelly Flood S Gen4，一款新的低成本漏水传感器，兼容 Apple HomeKit 和 Matter，旨在防止家庭水患。此外，它还重点介绍了 Snap!，一款由加州大学伯克利分校开发的编程语言，旨在让儿童和成人都能够轻松有趣地学习计算机科学。
-
新型人工智能工具INDRA分析行业文件档案
研究人员开发了INDRA，一个新的人工智能研究平台，旨在分析烟草、化石燃料和化学品等行业的庞大文件档案。与标准的LLM不同，INDRA遵循档案史学惯例构建，以确保输出基于证据且可审计。它整合了分散的藏品，并采用诸如封闭证据沙盒、实时溯源标记和确定性脚本协议等安全措施，以防止模型幻觉，并清晰地区分档案证据和推断信息。
-
John Snow Labs 对 20 亿条患者记录进行去标识化处理，树立新标准
John Snow Labs 与医疗系统 Providence 合作发表的一项研究，详细介绍了一种以前所未有的规模对患者记录进行去标识化处理的新方法。该研究在 HIPAA 的专家认定标准下处理了 20 亿条临床记录，显著超越了 UCSF 的 1.3 亿条记录等以往的努力。研究强调了去标识化系统的三个关键测试：针对人工审查员的准确性、跨不同人口统计群体的平等保护，以及识别重新标识化风险的严格红队测试方法。
-
研究表明：人工智能有望在关键医疗任务上超越人类医生
发表在《美国医学会杂志》上的一篇新论文表明，在诊断和治疗等几项关键任务上，人工智能可能很快就会超越人类医生。作者包括 Ezekiel Emanuel 和 Vinod Khosla，他们认为人工智能本身就能带来更优的结果，而人类的干预有时反而会降低人工智能的表现。尽管这一预测让许多医学界人士感到不安，但该论文的发现表明，到 2030 年，医疗保健领域有可能转向自主人工智能，尽管一些评论人士指出了当前研究的局限性以及人类互动在患者护理中的重要性。
-
加州农民因极端天气和干旱损失8亿美元
由于极端天气事件，加州农业部门正遭受重大经济损失，仅今年报告的损失就超过8亿美元。干旱状况因异常温暖的春季天气和低积雪量而加剧，严重影响了对加州和全球市场都至关重要的杏仁和开心果等主要作物。该行业是加州经济的重要贡献者和农业科技创新的领导者，正面临气候变化模式对作物生产的干扰和运营成本增加带来的生存威胁，这需要新的技术解决方案来减少用水量、加快生长速度和提高产量。
-
新的MRI方法预测乳腺癌复发风险
研究人员开发了一个新的框架，利用预处理的动态对比增强MRI熵来更好地预测接受新辅助治疗的乳腺癌患者的复发风险。该方法分析肿瘤内增强的异质性，以识别具有有利或不利结构状态的患者，即使在达到病理完全缓解的患者中也是如此。该四级框架在总计1200名患者的四个队列中进行了测试，显示复发率存在显著差异，不利的结构状态与较高的风险相关。虽然不能取代pCR或RCB等现有终点，但这种基于MRI的方法为优化反应质量评估和识别可能受益于进一步干预的患者提…
-
哈佛管理公司披露持有SpaceX公司22亿美元股份，提升捐赠基金回报
哈佛管理公司（Harvard Management Co.）已披露持有SpaceX公司22亿美元的股份，凸显了早期投资埃隆·马斯克（Elon Musk）的航空航天公司所产生的巨额利润。此次披露是在最近的13F文件中公布的，使哈佛成为SpaceX股票最大的捐赠基金持有者之一。该投资的成功归功于SpaceX最近的首次公开募股（IPO），这也使加州大学和北卡罗来纳大学等其他大学捐赠基金受益。
-
全球野火激增与气温上升有关，美国面临严峻季节
由于气温上升，全球野火的频率和强度正在增加，美国正经历多年来最严重的野火季节之一。华盛顿州的野火已摧毁大量建筑，导致数万人流离失所，同时希腊、法国和西班牙也发生了重大火灾。科学家将此次野火激增归因于持续的极端高温和干旱期，这增加了景观的可燃性，即使是那些传统上不易发生大火的地区。
-
加州大学技术工人成立工会，倡导IT专业人士权益
加州大学成立了一个代表技术工人的工会，旨在解决更广泛的大学系统中技术部门特有的问题。该工会名为UC Tech，隶属于更广泛的UPTE-CWA工会。它寻求组织并倡导加州大学各校区IT专业人士的权利和工作条件。
-
记者推出数字中心，以弥合阿尔茨海默病研究与患者护理之间的差距
《Being Patient》创始人 Deborah Kane 于 2017 年创立该数字中心，旨在弥合阿尔茨海默病患者、护理者与科学研究之间的差距。她的母亲被诊断出患有此病，以及缺乏易于获取的信息供家庭应对该疾病的状况促使她采取行动。Kane 的新闻背景促使她深入研究该疾病，发现症状在生物学变化发生很久之后才出现，这表明存在干预的潜在窗口。《Being Patient》旨在为家庭提供关键信息和资源，以应对阿尔茨海默病的科学和实际挑战。
-
AI模型GPT-5.6 Sol Ultra助力两个团队解决密码学问题
两个独立的研究团队，一个来自麻省理工学院，另一个来自加州大学，利用OpenAI的GPT-5.6 Sol Ultra独立解决了同一个量子密码学问题。两个团队都报告说，该AI模型在生成其证明的基础概念方面发挥了重要作用。这一发展凸显了AI在科学研究中日益增长的作用，并引发了关于科学发现中的知识产权和署名问题的讨论。
-
智能戒指原型实现无创血糖测量
工程师们开发了一款能够无创测量血糖水平的原型智能戒指。这项创新旨在解决健康可穿戴技术中的一个长期挑战。该戒指将其数据传输到连接的移动应用程序供用户访问。
-
美国心脏协会：每日最多5杯咖啡或可安全饮用，与健康益处相关
美国心脏协会发表的最新研究表明，大多数成年人每日饮用最多五杯黑咖啡是安全的，并可能带来健康益处。具体而言，每日饮用两到四杯咖啡与降低患心脏病、心力衰竭和中风的风险有关。然而，该研究也指出，饮用超过四杯可能会增加心力衰竭的风险，并警告不要饮用能量饮料，因为其咖啡因含量高且与心血管风险相关。
-
量子初创公司 Qolab 融资 5420 万美元以扩展超导硬件
量子硬件初创公司 Qolab 已获得 5420 万美元的 B 轮融资，以推进超导量子计算。该公司旨在通过应用先进的半导体制造技术来生产可复现的量子比特和集成组件，从而克服制造瓶颈。Qolab 由包括前 Google Quantum AI 科学家在内的量子计算先驱团队领导，旨在弥合理论物理与工业规模生产之间的差距，以构建可扩展的量子超级计算机。
-
科学领域的 AI：研究人员争论基准和 AI 不断发展的角色
在 ICML 2026 上，研究人员就 AI 在科学领域不断发展的角色展开了辩论，质疑 AI 应被视为工具、协作者还是独立发现者。一个关键的争议点是当前基准在定义和衡量 AI 科学能力方面的有效性，一些人主张使用动态的、不断发展的基准，而另一些人则倾向于直接互动和直观评估。讨论凸显了一个根本性挑战：即使 AI 模型在假设检验和复杂问题解决等任务中表现出日益增长的熟练度，但对于如何定义“科学能力”本身，仍然缺乏共识。
-
治疗前 MRI 揭示隐藏的乳腺癌表型
研究人员在治疗前 MRI 扫描中识别出一种潜在的结构表型，该表型会影响乳腺癌的治疗结果，并且与分子亚型无关。这种被称为结构熵的表型被发现比传统的临床和基因组数据更能可靠地预测治疗反应和复发风险。研究表明，尽管肿瘤在体积上可能缩小，但其潜在的结构紊乱可能持续存在，从而可能产生虚假的治疗反应迹象。这项研究已在多个数据集上得到验证，强调了先进的成像分析对于更准确地理解治疗效果的重要性。
-
加州推出人工智能失业追踪器，日益增长的担忧加剧
加州已推出一个新的在线门户网站，用于追踪归因于人工智能的失业情况，旨在作为潜在大规模裁员的早期预警系统。该追踪器与加州政策实验室合作开发，利用失业保险索赔数据和人工智能暴露指标来识别弱势群体和行业。虽然旨在为主动干预提供信息，但数据的局限性意味着它不能明确证实人工智能是失业的唯一原因，并且可能反映更广泛的经济趋势。
-
AI框架将LLM大脑预测转化为可测试的科学理论
研究人员开发了一个名为生成因果测试（GCT）的新框架，以理解神经科学中使用的LLM（大型语言模型）的“黑箱”性质。GCT将LLM关于大脑活动的预测提炼成简洁的口头解释，例如“食物准备”或“地点名称”。然后，通过使用LLM生成旨在专门激活目标大脑区域的新故事来测试这些解释，受试者在fMRI扫描仪中听这些故事。该方法已成功确认了已知的大脑区域选择性，甚至区分了先前无法区分的相邻区域。