科技 · 日报 · 2026-07-16

科技 · 日报

本刊收录截至当日 24:00

今日头条聚焦微软利用AI技术修复570个安全漏洞的里程碑事件，凸显AI在网络安全领域的实战价值。此外，Mermaid转Unicode工具与多模态肿瘤建模研究也值得关注，前者提升可视化表达效率，后者展现AI在医疗预测中的潜力。

模型发布/更新

Mermaid转Unicode框画：grok-mermaid 项目介绍
T2Simon Willison 博客（Atom）
Simon Willison介绍了grok-mermaid，一个将Mermaid图表转换为Unicode框画的开源工具。它利用grok解析Mermaid语法，生成纯文本的Unicode框画，适用于终端、代码注释等场景。该工具无需图形渲染，轻量高效，适合纯文本环境使用。关键技术点包括Mermaid语法解析、Unicode框画生成、以及与其他工具的集成。
多模态经验贝叶斯变分自编码器实现纵向肿瘤测量与脱落时间的联合建模
T2arXiv AI/CL/LG（论文）
本研究提出了一种多模态经验贝叶斯变分自编码器（EB-VAE）框架，用于联合建模纵向肿瘤测量、脱落时间及基因协变量。该框架通过潜在个体效应正则化和协变量条件先验，将神经网络动力学与半机械化解码器结合，能够同时预测肿瘤生长轨迹和脱落风险。在黑色素瘤和乳腺癌实验中，该模型在个体水平预测和基因选择上表现优于传统方法，识别出BRAF、NRAS等生物学可信基因指标。

微软利用AI修复创纪录的570个安全漏洞
T2TechCrunch：AI（RSS）
微软在7月的“补丁星期二”中修复了创纪录的570个安全漏洞，涵盖其全线产品。公司表示，AI技术的应用极大地提升了漏洞发现与修复效率，尤其是基于AI的代码分析和威胁检测工具帮助安全团队更快定位高危漏洞。此次补丁数量较上月增长超过40%，刷新了公司历史纪录。

基于包装器的高效特征选择改进风能和太阳能预测：一项实证研究
T2arXiv AI/CL/LG（论文）
本文针对可再生能源预测中特征选择方法不足的问题，提出了一种新的基于聚类的序列特征选择方法（CSFS）。CSFS是一种模型无关、自动且高效的特征选择包装器，通过聚类降低计算复杂度。在风力涡轮机功率曲线建模和光伏功率预测两个实际案例中，CSFS在保持与标准序列特征选择（SFS）相当预测性能的同时，平均降低21%的计算成本。论文提供了开源实现，并对比了多种特征选择技术，证明包装器方法整体优于过滤法和嵌入法。