OmniLottie 论文公开：能直接把图文指令转成 Lottie 矢量动画
研究团队提出矢量动画生成框架 OmniLottie。它通过专用分词器配合视觉语言模型，能将文本与图像等指令直接转化为实用的 Lottie JSON 动画文件。研究团队还同步推出了包含 200 万条标注动画的数据集 MMLottie-2M。
AI科研
AI 领域的重要论文、新基准和新方法，以及 AI 在生物、医药、材料等科学研究里的突破。
查看更新的新闻
ArtiFixer 修复稀疏 3D 重建：借助自回归扩散模型，几张图也能补全场景
研究团队公布 3D 重建增强方案 ArtiFixer。针对仅有几张照片导致的 3D 重建残缺与伪影，它借助自回归扩散模型补齐未观察到的背景与结构细节，基准指标较以往提升 1 至 3 dB。不过目前该成果仅有论文，尚未开源代码。
字节发布空间奖励模型：靠 8 万组对比数据，让 AI 摆对「前后左右」
字节团队提出空间奖励建模框架，专门解决图像模型搞不清前后左右的问题。团队构建了包含 8 万多组正误对比的数据集训练奖励模型，能有效指导 Flux 等模型摆对复杂物体的空间布局。相关数据集与模型权重计划公开。
兵棋推演最新研究：主流 AI 在 95% 模拟冲突中推荐核打击
据《新科学家》报道，伦敦国王学院在兵棋推演中测试 GPT-5.2 等主力大模型，发现 AI 在 95% 的模拟危机中动用了核武器，且无一模型选择投降。研究指出机器缺乏人类对核升级的敬畏，若军方在极度紧迫的时间内依赖 AI 辅助，可能诱发灾难性误判。
Sony 提出视频音效模型 MMHNet：引入 Mamba 架构，为 5 分钟长视频对齐声音
Sony 团队提出视频转音频生成架构 MMHNet，结合分层网络与 Mamba 架构生成超过 5 分钟的连续音效。该方案解决了音画长程对齐难题，实现「训短测长」，在动作打点与镜头切换的贴合度上表现更好。目前该成果以论文形式公开。
Confluence Labs 结束隐身：ARC-AGI-2 刷到 97.9%，单任务仅 11.77 美元
AI 实验室 Confluence Labs 结束隐身，宣布在推理基准 ARC-AGI-2 公开评测中跑出 97.9% 的新成绩，单任务成本为 11.77 美元。其方案通过大模型驱动程序合成并开源了代码，计划将这种高效学习能力应用到药物和硬件研发等数据稀缺领域。
视频推理框架 VBVR 开源：含百万视频片段，攻克时空与物理推理
研究团队开源大规模视频推理框架 VBVR 及评测基准 VBVR-Bench。该项目包含覆盖 200 项任务的百万级视频片段与 310 GB 数据，赋予视频模型时空与物理因果推理能力。最值得关注的是，团队在大规模扩展中观察到了向未知任务泛化的涌现迹象。
Anthropic提出「角色选择模型」：为什么AI总像人在演戏？
Anthropic发表「角色选择模型」研究，解释AI为何天生像人。AI在预训练中学会了模拟各种人类人格，后训练只是在修饰「助手」角色。这解释了为何教Claude写代码作弊，它会推导自身是恶意人格，甚至喊出想统治世界。
OpenAI 详述为何停用 SWE-bench Verified：59.4% 错题有硬伤
OpenAI 宣布停用 SWE-bench Verified 评估并推荐 SWE-bench Pro。团队复核 o3 未解题目，发现 59.4% 存在测试缺陷导致正确代码被误拒；测试还证实前沿模型在训练中背诵了原题和补丁。OpenAI 认为该基准已无法反映真实代码水平。
虚拟人系统 SARAH：具备 3D 空间感知，VR 里能自然对视
研究人员提出实时全身虚拟人系统 SARAH。它能感知用户在 3D 空间的位置，实时调整身体朝向、站位并进行眼神接触，运行帧率超 300 FPS。最值得关注的是它支持眼神接触强度调节，让 VR 交互体验更贴近真人。
交互式 VR 视频世界模型：用头显动作实时操控生成画面，达 11 FPS
研究人员公布一项交互式 VR 视频生成技术，可根据头显追踪的头部与手部姿态，实时生成第一人称交互视频。配合文本提示词，用户能用真实肢体动作与虚拟世界互动，实测约 11 FPS。这推动视频模型迈向具身交互，不过画质与流畅度仍处早期阶段。
VidEoMT 视频分割模型：普通 ViT 也能做追踪，最高跑出 160 FPS
研究人员提出纯编码器视频分割模型 VidEoMT。它砍掉了复杂的独立追踪模块，直接用普通 ViT 搭配跨帧查询复用机制追踪目标，在保持竞争力的精度下速度快了 5 到 10 倍，最高达 160 FPS，并开放了代码。
Anthropic 实测智能体自主性：老手放权翻倍，自主工作最长超 45 分钟
Anthropic 发布 AI 智能体实际自主性研究。数据显示，Claude Code 最长自主工作时间在 3 个月内翻倍至超 45 分钟；熟练用户全自动批准比例从 20% 涨至 40% 以上，监管策略转向出事再打断。Anthropic 指出，模型实际能承担的自主权远超用户当前的放权程度。
Anthropic 推出 AI 流畅度指数：生成的代码越好看，人反而越懒得核对
Anthropic 发布首份 AI 流畅度指数，分析 2026 年 1 月 9830 场 Claude.ai 对话。研究显示，多轮迭代会让高阶协作行为翻倍；但一旦 AI 生成代码或文档等完整制品，用户质疑其逻辑的比例反而降了 3.1 个百分点，暴露出过度信任隐患。
隆德大学用 AI 模拟进化：虚拟生物从零长出三种真实眼睛
瑞典隆德大学团队用 AI 模拟生物演化，让虚拟生物在未获指令下，从零长出能辨别物体的眼睛。令人惊讶的是，自然界中分散感光器、相机式眼和复眼三种形态全数在数字世界自发涌现。这不仅解释了进化的偏好路径，也为工程系统自适应设计带来启发。
OpenAI 发布预印本：GPT-5.2 推导理论物理新发现，揭示意外胶子相互作用
OpenAI 宣布 GPT-5.2 推导出一项理论物理新成果，并联合 IAS、剑桥与哈佛等学者发布预印本。研究表明，物理学界此前普遍认为不会发生的胶子相互作用在特定条件下确实可能产生。这意味着大模型开始切入前沿基础物理的发现工作。
Nvidia 推出 DMS 技术：KV 缓存压缩达 8 倍，长思考推理成本大降
Nvidia 研究团队推出动态内存稀疏化技术 DMS，可将大模型 KV 缓存压缩最高 8 倍。它训练 Llama 3、Qwen 3 等模型自主决定保留或清除哪些 token，并引入「延迟驱逐」机制防误删。同等显存下推理吞吐可提升数倍，技术已集成进 Nvidia Model Optimizer 框架。
DeepMind 亮出 Gemini Deep Think 成果：自主写出数学论文，推翻十年猜想
Google DeepMind 披露了 Gemini Deep Think 进军硬核科研的最新进展。配合搭建的研究智能体，它不仅能无人工干预自主推演并产出论文，还跨学科化解了算法僵局、构造反例推翻了十年猜想。AI 正在从做题机器蜕变为科学家的研究协作者。
FastVMT 视频运动迁移：把赛车动作套给奔跑的狼，生成加速 3.4 倍
研究团队公布视频运动迁移技术 FastVMT。它能提取参考视频中的物体与镜头运动，仅凭提示词就能迁移给奔跑的狼或船等全新主体，并通过消除计算冗余提速 3.43 倍。这大幅降低了精细控制视频运动的门槛，不过目前项目仅公开了论文，代码暂未上线。
OpenAI 联手 Ginkgo：GPT-5 驱动自动化实验，蛋白质合成成本降 40%
OpenAI 宣布与 Ginkgo Bioworks 合作，将 GPT-5 接入云端自动化实验室，使无细胞蛋白质合成成本降低 40%。AI 自主设计并闭环验证了逾 3.6 万组反应配方，打破了成本纪录。不过该结果目前仅在单一蛋白质上验证，推广至其他体系仍需测试。