本文讨论了LSM-Tree中的Compaction机制，解决了SSTable只增不删的问题。Compaction通过合并多个SSTable文件，回收无效数据，提升读性能。文章介绍了不同层级的设计、Compaction的触发条件、文件选择策略及去重逻辑，确保数据的有序性和一致性，并管理版本信息以支持并发读写操作。

马斯克宣布Neuralink计划于2026年量产脑机接口，手术流程将高度自动化，电极线可直接穿过硬脑膜，降低手术风险和成本。该技术旨在治疗神经系统疾病，并可能改变人类与AI的互动方式。

机器之心数据服务现已上线，提供高效稳定的数据获取，简化数据爬取流程。

DeepSeek是一个国产大模型，采用FP8混合精度训练和MoE架构，显著降低了算力需求，但在医疗影像等任务中存在精度问题。其半开放式开源策略吸引了开发者，但对英伟达架构的依赖可能导致技术脆弱。整体而言，DeepSeek体现了中国AI的创新与挑战。

本研究解决了机器人辅助微创手术中手术工具姿态估计的适应性不足问题。提出了一种新的六自由度姿态估计管道，结合了最先进的零样本RGB-D模型和基于视觉的深度估计方法，显著提高了对未见手术工具的姿态估计准确性。实验表明，该方法超越了现有的基准，为手术工具的姿态估计设立了新的标准。

DeepSeek是一个国产大模型，采用FP8混合精度训练和MoE架构，显著降低算力需求，但在医疗影像等任务中存在精度问题。尽管吸引开发者，仍深度依赖英伟达架构，面临技术风险。这反映了中国AI发展的复杂性。

Meta在脑机接口研究中取得新进展，利用AI模型Brain2Qwerty实现非侵入式脑电图信号的高效解码，字符错误率为32%。该技术有望帮助无法沟通的患者通过思维控制设备。

本文解决了在触觉互联网环境下远程机器人手术中，机器人臂位置实时准确估计的挑战。通过基于Transformer的Informer框架，结合四态隐马尔可夫模型（4-State HMM），提出了一种新颖的方法，能够在网络延迟和数据包丢失情况下实现90%以上的预测准确率，显著提升了远程手术的可靠性和精确性。

2024年元旦，我回老家处理大伯的事务。大伯在南阳接受了腰部肿瘤手术，恢复良好，但出院后发烧。元旦期间，他病情突然加重，最终抢救无效去世。我对此感到遗憾和不解，反思医疗条件和术后关注的重要性。

本研究开发了围手术期人工智能聊天机器人PEACH，旨在解决临床决策支持工具不足的问题。PEACH整合了本地指南，在240次临床应用中准确率达到96.7%，并在95%的案例中加快了决策过程，显示出其在围手术期医学中的应用潜力。

本文提出了一种模型手术（MOS）方法，旨在解决类增量学习中的信息遗忘问题。通过训练特定适配器和自我修正机制，MOS有效减轻了模型的遗忘现象，并在七个基准数据集上取得了优异的实验结果。

本研究提出了一种自适应图学习框架，显著提高了手术工作流程的短期和中期预测精度，从而增强了手术的安全性和效率。

本研究解决了外科尤其是神经外科中，手术团队面临的认知负担问题。我们提出的SurgBox框架通过结合大语言模型与个性化的检索增强生成技术，创建了逼真的手术训练环境，并引入手术助手AI，以减轻手术过程中的认知负荷。实验结果显示，SurgBox显著提升了外科认知能力和临床决策支持，推动了外科教育和实践的发展。