本期关注 AI 如何理解声音，以及新技术如何走入真实应用场景。简报日期为 2026 年 10 月 28 日；下列事实按原始机构页面核对，研究方向、项目征集与已实现成果分别表述。

1. MIT 机器听觉研究：从分离声音到理解音乐

已核实事实：MIT News 于 10 月 28 日刊登 Paris Smaragdis 教授的研究人物报道，介绍其团队在声音分离、音乐理解、语音识别与音频增强等方面的工作。团队也在探索不固定采样率、帧大小或上下文窗口的音频处理算法，以及把大语言模型用于语音和声音处理的方法。

证据边界：这是一篇介绍研究者及研究方向的报道，不是一篇公布统一性能测试的新模型论文。文中“比人听得更好”的愿景及事故定位、设备监测等应用设想，不能直接解读为已经在所有复杂环境中超过人类。原文也没有提供足以支持“全面突破”结论的标准化对比数据。

原始来源：MIT News｜Making machines that can listen（2026-10-28）。

2. 北京征集重点应用场景项目，支持 AI 等领域验证迭代

已核实事实：北京市科委、中关村管委会 10 月 28 日发布第二批重点应用场景储备项目征集通知，重点支持人工智能等领域。申报期为 10 月 29 日 9:00 至 11 月 17 日 18:00，项目需明确需求开放方与技术供给方，实施地在北京市。

证据边界：这是征集通知，并非获批项目或技术成效公告；纳入储备后还需综合评估。通知没有“所有项目均须达到万级用户”的统一要求。

原始来源：北京市科委｜征集 2026 年第二批重点应用场景储备项目的通知（2026-10-28）。

编辑观察：先问任务，再看证据

声音理解和应用场景建设都提示我们：评价 AI 时，可以先问“它具体完成什么任务”，再问“如何证明有效”。声音分离是否清晰、噪声变化后是否仍可靠、使用者能否纠正错误，都可以成为观察角度。这是编辑分析，不代表上述机构已经公布了这些项目的测试结果。

给学生的小练习：为一个 AI 点子设计测试

选一个点子，例如“识别教室铃声”。写下输入是什么、希望输出什么、哪些声音可能让它误判，再设计三种测试情形。暂时不必调用模型，也不要收集同学的私人录音；可以先用文字描述测试，练习把愿望变成可检验的问题。

整理说明

本文基于 Gemini 已有每日摘要提供的线索，经原始来源核对后选编。未触发额外生成；删除了未核实的融资、芯片采购和能源数字，未将旧闻列作今日新发布。事实、证据局限与编辑分析已分别标明，来源中的后续调整以原机构页面为准。封面沿用本站已有芯片主题配图，作为科技主题示意。