VideoJAM 视频生成框架：联合建模外观与运动，破解 AI 物理动态失真
研究人员提出视频生成框架 VideoJAM，解决 AI 视频物理失真与运动不连贯的问题。模型同时学习外观与运动的联合表征，推理时用自身运动预测引导生成。该框架能适配任意视频模型，在复杂动态测试中表现优于 Sora 等闭源产品。
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
研究团队提出 MatAnyone：首帧点选一下，复杂视频也能精细抠图
研究团队推出视频抠图框架 MatAnyone。针对复杂背景容易失真的难题，模型引入区域自适应记忆融合机制，用户只需在首帧点击标记目标，系统就能在后续视频中保持语义稳定并保留发丝级边缘细节。这项研究已被 CVPR 2025 接收。
耶鲁大学开发 AI 新工具：看一眼心电图照片，就能预测心衰风险
耶鲁大学医学院 CarDS 实验室宣布开发出一款 AI 工具，只要输入标准 12 导联心电图的照片或图像，就能在出现明显症状前预测心衰风险。该模型已在美国、英国和巴西等多国人群中完成验证，大幅降低了常规筛查门槛。
微软登上 Nature：开源生成式材料设计模型 MatterGen
微软在《Nature》发表论文并以 MIT 协议开源材料生成模型 MatterGen。与过去在已知数据库里筛选不同，它能根据力学、电磁等性能要求，像画图一样直接生成全新晶体结构。团队已联手中科院深圳先进院成功合成了全新材料 TaCr2O6，实测性能与设计目标误差不到 20%。
扩散模型推理扩展新研究：不止增加去噪步数，算力堆对地方画质大涨
arXiv 上发表的一项研究探索了扩散模型的推理算力扩展。以往单纯增加去噪步数在几十步后收益见顶，该研究转为构建验证器与搜索算法寻找更优质的采样噪声，让生成时投入的算力能持续转化为画质提升。
Keras 之父创办新实验室 Ndea：押注程序合成，探索 AGI 新路径
Keras 之父 François Chollet 宣布联手 Zapier 联合创始人 Mike Knoop 创办新实验室 Ndea。该机构不走纯大模型暴力缩放的老路，而是将深度学习与「程序合成」结合，试图让 AI 像人类一样高效推理和自我迭代。Chollet 认为，程序合成如今正处于类似 2012 年深度学习爆发前夕的关键节点。
AI 从头设计蛋白质解蛇毒：小鼠存活率最高达 100%
诺奖得主 David Baker 团队在《自然》发表成果，用深度学习设计出能中和蛇毒的全新蛋白质。该分子能精准拦截致命的三指毒素，小鼠存活率达 80% 至 100%。它可用微生物低成本量产，不过目前尚无法应对全成分毒液，短期内仍需配合传统血清使用。
Sakana AI 提出 Transformer²：像活脑一样实时调整权重，性能反超 LoRA
Sakana AI 发布自适应架构 Transformer²。它先分析任务需求，再通过强化学习训练的奇异值微调动态调整模型权重。其参数量远少于 LoRA，却在数学、代码与视觉任务中全面占优，甚至支持跨模型复用能力。
Netflix 提出 Go with the Flow：不改模型架构，靠噪声扭曲精准控制视频运镜
Netflix 与 Eyeline 团队提出视频扩散控制方案 Go with the Flow。该方法无需修改模型架构与训练管线，仅在数据端通过光流场对潜空间噪声进行实时扭曲采样，就能实现局部物体运动、全局运镜及动作迁移，同时维持逐帧画质。
Google DeepMind 组建新团队：原 Sora 负责人带队造「世界模型」
前 OpenAI Sora 联合负责人 Tim Brooks 宣布在 Google DeepMind 组建新团队，研发模拟物理世界的生成模型。团队将结合 Gemini、Veo 与 Genie 的成果，探索具身智能规划与实时交互生成。DeepMind 认为这是通往 AGI 的关键路径。
Meta 探索生成式推荐系统：把内容推荐做成「下一词预测」
Meta 研究人员近期发布两篇论文，提出 LIGER 和 Mender 两项生成式检索技术。系统将内容推荐转化为类似语言模型的序列预测，不仅让存储和推理成本保持稳定，还能用大模型提炼隐式偏好，改善传统新内容的冷启动难题。
新架构 Titans 引入神经长期记忆：突破 200 万上下文且兼顾速度
研究人员在 arXiv 发布新架构 Titans。它把注意力机制当短期记忆，配合可在测试时学习的神经长期记忆模块，在保持快速并行训练与推理的同时，将上下文扩展至 200 万 token 以上，表现超越传统 Transformer。
Ilya Sutskever 现身 NeurIPS：数据已见顶，传统预训练必将终结
OpenAI 前首席科学家 Ilya Sutskever 在 NeurIPS 发表演讲。他指出互联网高质量数据已经见顶，类似化石能源一样有限，现有的预训练模式必定走向终结。未来 AI 必须靠有限数据进行真正推理，并转向具备自主决策能力的智能体。
Anthropic 公布「Best-of-N」越狱研究：跨模态绕过模型安全防线
Anthropic 宣布最新合作研究「Best-of-N Jailbreaking」。研究团队发现了一种简单通用的越狱手段，不仅能绕过前沿 AI 模型的安全机制，还能同时跨越文本、视觉和音频模态生效。
Anthropic 发布 Clio：在保护隐私的前提下看清用户怎么用 Claude
Anthropic 公布隐私保护分析系统 Clio（现称 Anthropic Insights）。它让 Claude 自行提炼并聚类数百万条真实对话，人工分析师只能看到脱敏后的宏观主题，以此摸清真实用法并排查批量滥用。最值得关注的是，这让平台在不窥探用户隐私的前提下，也能捕捉新型安全隐患。
IBM 突破共封装光学技术：大模型训练提速 5 倍，能耗降 80%
IBM 公布共封装光学（CPO）突破，推出首个聚合物光波导原型。该方案用光路替代服务器间铜线，能将大模型训练速度提升最多 5 倍、能耗降低 80% 以上。这项技术已通过全部制造应力测试，意在彻底解决 GPU 等待数据传输的空闲痛点。
Sakana AI 推出通用记忆模型：让模型学会遗忘，支持零样本跨模态
Sakana AI 推出神经网络注意力记忆模型 NAMMs，模仿人类大脑机制让模型主动剔除冗余 token。该系统通过演化算法优化注意力矩阵，在压缩显存的同时提升了长文本推理表现，还能零样本直接迁移到视觉和强化学习模型中。
NVIDIA 推出自由视角模型 QUEEN：任意角度看视频，还能流式传输
NVIDIA 联合马里兰大学公布 AI 模型 QUEEN。该模型通过复用静态背景、只重构动态内容，在 GPU 上实现了每秒约 350 帧的渲染速度。这意味着观众未来能从任意角度看比赛直播，也能辅助远程遥控机器人，代码即将开源。
TARFlow 让归一化流重获新生：借力 Transformer，生成质量追平扩散模型
研究团队提出结合自回归 Transformer 的归一化流架构 TARFlow，让这一长期被扩散模型压制的范式重获新生。它采用单一可逆网络和最大似然目标，在保持完全可逆特性的同时，样本质量追平扩散模型，并能扩展至图像与视频生成。
Google 发布量子芯片 Willow：攻克近 30 年纠错难题
Google 发布最新量子芯片 Willow。该芯片在增加量子比特时成倍降低错误率，攻破了困扰学界近 30 年的「低于阈值」量子纠错难题；在标准基准测试中，Willow 用不到 5 分钟就完成了当前顶级超算需要 10^25 年才能完成的计算任务。