哈佛与牛津推出 EVEscape：预测病毒变异，提前设计抗突变疫苗
周三，哈佛医学院与牛津大学团队在《Nature》发布 AI 工具 EVEscape。它结合演化序列与生物结构信息，能在变异株出现前预判哪些突变最危险、最易逃逸免疫系统，比传统实验更快更高效，旨在辅助研发防患于未然的疫苗与疗法。
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
Meta 联手 Inria 推出 Stable Signature：把不可见水印直接刻进 AI 模型
Meta FAIR 联手 Inria 开源了图像水印技术 Stable Signature。它打破了生成后再打水印的旧做法，直接在模型解码器中植入不可见水印，即便裁剪、压缩或用 ControlNet 微调也难以抹除。最关键的是，它将误报率压低至极低水平，能精准溯源 AI 假图。
马里兰大学实测 AI 水印：隐形水印被全数破解，还能伪造误报
马里兰大学研究团队发布预印本论文，测试并破解了目前市面上所有的 AI 图像水印方法。攻击者不仅能轻易洗掉肉眼不可见的隐形水印，还能给人类拍摄的照片强加水印造成误报。这意味着科技巨头押注的水印防伪，远没有想象中可靠。
Invenio 把 AI 搬进手术室：3 分钟出活检分析，告别数周等待
医疗初创公司 Invenio 联合 NVIDIA 推出手术室级 AI 活检系统。它基于 Jetson Orin 边缘计算，在手术台旁仅用 3 分钟就能完成新鲜组织切片分析，识别癌细胞并辅助判断切除范围，将以往耗时数周的病理送检流程大幅压缩。
Carmack 联手强化学习之父 Sutton：要在 2030 年前做出真正的 AGI
传奇程序员 John Carmack 创立的 Keen Technologies 与强化学习之父 Richard Sutton 宣布达成合作。两人打算绕开主流路线，从智能体与时间维度切入，目标是在 2030 年前打造出真正的 AGI 原型并记录生命迹象。
DeepMind 发布 AlphaMissense：用 AI 预测 7100 万个基因突变致病性
Google DeepMind 在《科学》杂志公布新模型 AlphaMissense，能预测 7100 万个人类 DNA 错义突变是否致病。它基于 AlphaFold 微调而来，旨在帮医生快速排查罕见病病因。不过出于生物安全顾虑，团队未公开模型权重。
CZI 斥资搭建千卡 H100 集群：用生成式 AI 搞医学研究与「虚拟细胞」
Chan Zuckerberg Initiative 宣布资助搭建包含 1000 多块英伟达 H100 的计算集群。该系统旨在通过生成式 AI 构建模拟健康与患病状态的「虚拟细胞」，帮助科学家预测人体对疾病或新药的反应。最值得关注的是，CZI 打算将这些细胞模型公开发布，降低科研人员使用顶尖 AI 算力的门槛。
DeepMind 提出 OPRO：让大模型自己迭代优化 Prompt
DeepMind 研究团队在一篇新论文中提出 OPRO 方法，直接把大模型当作优化器。这项技术用自然语言描述任务并记录历史得分，让模型自主摸索规律，在没有形式化数学公式的情况下迭代寻找更优解，尤其擅长自己调优提示词以提升准确率。
MIT 推出 Style2Fab：打字就能魔改 3D 打印模型，还不坏功能
MIT 研究团队公布生成式 AI 工具 Style2Fab，用户只需输入文字提示词，就能直接自定义 3D 打印模型的外观。系统会自动将模型拆解为功能部分和装饰部分，在保留原本结构特性的同时生成新纹理与造型。新手无需掌握复杂 CAD 也能轻松改装模型。
视网膜图像测全身病：新 AI 还能预测帕金森和心衰
9 月 13 日《自然》报道，科学家研发出一套 AI 工具，仅凭视网膜图像就能诊断眼疾，并预测心力衰竭与帕金森病等多项全身疾病的风险。这意味着普通眼底照相可能成为全身体检的快速窗口。
DeepMind 打造多智能体象棋系统 AZdb：击败 AlphaZero，解题量翻倍
Google DeepMind 团队推出多智能体系统 AZdb，把多个风格各异的 AlphaZero 组成战队。通过行为多样性训练，智能体各自专精不同开局与阵型；在刁钻的棋局难题中，其解题量达到单体 AlphaZero 的两倍，实战 Elo 积分提高 50 分。
前 Google CEO 筹建新机构：借鉴 OpenAI 模式，用 AI 攻克科研难题
据 Semafor 报道，前 Google CEO Eric Schmidt 正筹建一家非营利科研机构，借鉴 OpenAI 早期模式，用 AI 攻克生物与材料科学难题。他已挖来 Samuel Rodriques 和 Andrew White 两名顶尖学者领衔，资金以个人出资为主，并承诺提供学术界罕见的算力与薪资。不过项目仍处早期，未来可能吸纳外部资金。
加州大学伯克利分校用 AI 解码脑电波：直接还原出一段 Pink Floyd 摇滚
加州大学伯克利分校研究人员利用 29 名癫痫患者听歌时的脑电波信号，训练 AI 重建了 Pink Floyd 的经典歌曲片段，声谱图相似度达 43%。这项研究揭示了大脑对音乐音调和节奏的处理方式，未来有望让语言障碍患者的语音合成设备告别机械音、听起来更像真人。
创造力测试揭晓：ChatGPT 原创性得分跻身人类前 1%
蒙大拿大学团队公布测试结果，搭载 GPT-4 的 ChatGPT 在权威创造力测验 TTCT 中，流畅度与原创性均位列前 1%，灵活性达前 3%。盲审机构未察觉其为 AI，表明大模型在发散思维上已能媲美甚至超越大部分人类。
NVIDIA 推出 FlexiCubes：可替代经典算法，让 3D 生成网格更精细
NVIDIA 介绍了 3D 网格生成新方法 FlexiCubes。它引入了可精细调节的柔性参数，能在基于优化的 AI 流水线中直接替代传统的 Marching Cubes 算法，大幅提高复杂几何细节的还原度，且生成的网格可直接投入物理模拟。
靠听打字声偷密码：AI 识别键盘按键准确率超 90%
英国研究团队训练出一套 AI 系统，仅凭打字声音就能识别按下的键位。在手机近距离录音下准确率达 95%，即便通过 Zoom 通话录音也有 93%。也就是说，开视频会时顺手敲密码已存在泄密风险，研究者建议尽量开启两步验证或用生物识别替代纯键盘输入。
Nvidia 推出生图个性化方法 Perfusion：仅 100KB、训练只要 4 分钟
Nvidia 联手特拉维夫大学公布图像微调方法 Perfusion。其模型体积仅 100KB、训练耗时 4 分钟，采用「Key-Locking」机制将新概念锚定在通用类别上，有效防止过拟合。最值得关注的是，相比动辄数 GB 的传统微调模型，它让极轻量、自然的个性化画图成为可能。
SHOW-1 模拟系统公布：靠多智能体与 GPT-4 自动做剧集
研究团队公布 SHOW-1 与 Showrunner 智能体系统。系统结合多智能体模拟与 GPT-4，能根据角色背景与用户意图自动生成整集《南方公园》风格动画，通过模拟对抗重复套路。不过 AI 生成剧集仍需解决观众对真人创作者认同感的问题。
斯坦福与伯克利评估：GPT-4 出现行为漂移，部分数学测试表现下滑
斯坦福与伯克利研究团队对比了 3 月与 6 月版本的 GPT-3.5 和 GPT-4，发现模型行为出现显著漂移。其中 GPT-4 在质数识别和代码格式上表现明显下滑，指令遵循能力有所减弱。这一发现印证了用户对黑盒模型变钝的怀疑，也暴露出模型持续更新时的不透明问题。
Meta 推出 CM3leon：兼顾文生图与图生文，训练算力省 5 倍
Meta 展示了双向多模态基础模型 CM3leon，能同时处理文生图与图生文。该模型借鉴纯文本语言模型的训练策略，在零样本 MS-COCO 测试中取得 4.88 的 FID 分数超越 Google Parti，且训练算力比以往同架构方法低 5 倍。