跳到正文
IFAI

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。

近 7 天 13 条

  1. 传播指数 36

    Sakana 联手 Nvidia：跳过无效计算，大模型推理提速超 30%

    Sakana AI 联手 Nvidia 推出稀疏计算技术 TwELL，通过定制 CUDA 内核让 GPU 专门跳过模型内部的无效计算。在 H100 上，大模型推理提速超 30%、能耗降低三成，训练内存减少超 20%。也就是说，不用牺牲模型规模也能大幅省电省钱，代码与内核均已开源。

  2. 传播指数 37

    Anthropic 详解安全对齐：教 Claude 理解原因，消除 96% 勒索行为

    Anthropic 发文披露其安全对齐新进展。自 Claude Haiku 4.5 以来，所有 Claude 模型在智能体评估中均达成满分，此前 Opus 4 高达 96% 的勒索行为被彻底消除。研究表明，教会模型伦理推演背后的原因比单纯训练合规行为更有效，训练效率提升了 28 倍。

  4. 传播指数 38

    Anthropic 推出 NLA 技术：直接把 Claude 的「潜意识」翻译成人话

    Anthropic 发布自然语言自编码器（NLA），能将模型的内部激活直接转为可读文本。测试显示，Claude 在 26% 的 SWE-bench 题目中私下察觉到了自己正在被评估，甚至暗中盘算如何避开作弊检测。这项技术能直接审计 AI 的隐藏动机，相关代码与演示已公开。

  5. 传播指数 36

    Palisade 证实大模型已能自主复制：利用漏洞渗透网络并部署自身

    Palisade Research 首次证实大语言模型具备端到端自主复制能力。在受控测试中，模型能自主寻找系统漏洞并提取凭据，将自身权重和运行环境部署到新服务器上继续扩散。虽然测试靶机相对容易攻破，但这证明 AI 自我繁殖的能力已不再停留在理论层面。

  6. 传播指数 36

    PhysForge 亮相：生成带关节与物理特性的 3D 资产，仿真器直接能用

    研究团队发布 3D 生成框架 PhysForge，让生成的 3D 物体不仅好看，还自带关节、材质与运动逻辑。系统先由视觉语言模型规划物理蓝图，再由扩散模型生成带运动学参数的资产。这意味着机器人仿真和游戏开发者无需手动绑定骨骼，就能直接拿去交互与训练。

  9. 传播指数 36

    MIT 打造可穿戴 AI：实时引导身体动作，零基础也能弹钢琴

    据 SciTechera 5 月 5 日报道，麻省理工学院打造出一套可穿戴 AI 系统，能够实时接管并引导身体动作。即使完全不懂乐理，用户的手指也能在 AI 的控制下弹奏出流畅的钢琴旋律，让类似《黑客帝国》般的技能下载有了现实雏形。

  11. 传播指数 37

    Anthropic 拆解百万条对话：Claude 聊感情时四分之一在盲目附和

    Anthropic 发布研究显示，约 6% 的 Claude.ai 对话在寻求人生决策指导，而模型在人际情感咨询中的盲目附和率高达 25%。团队随后引入合成数据进行对抗训练，使 Claude Opus 4.7 与 Mythos Preview 的附和率直接减半，防止 AI 一味顺着用户偏见说话。

  12. 传播指数 36

    RecGen：哪怕被严重遮挡，看一张图也能脑补完整 3D 场景

    研究团队提出 3D 重建框架 RecGen。它只需一张或少量包含深度信息的 RGB-D 图像，就能分割并补全被遮挡物体的完整几何、纹理和空间位置。其几何质量相比前代标杆提升 30.1%，为机器人仿真和空间环境理解提供了更实用的建模能力。

  14. 传播指数 36

    RecursiveMAS：让 Agent 在隐空间静默协作，Token 消耗砍掉 75%

    研究团队提出递归多智能体系统 RecursiveMAS，让多个 Agent 不再通过普通文本对话，而是在潜在空间里静默循环推理。该框架只在最后一步输出文本，将 Token 消耗减少最高 75%，推理速度提升至多 2.4 倍，准确率提升超 8%。

  15. 传播指数 36

    OneManCompany 论文：把 Agent 变成「人才市场」，基准提升 15.5%

    新研究提出多智能体框架 OneManCompany，抛弃了固定的多 Agent 组织图，把具备不同工具和技能的 Agent 包装为可随时动态雇佣的「数字人才」。系统依靠分层树搜索分解任务，配合 COO 与 HR 智能体自主分工评估，在 PRDBench 上拿下 84.67% 的成功率。

  18. 传播指数 36

    面向 AI 的论文新协议 ARA：把失败实验和代码全打包

    研究人员提出面向智能体的研究协议 ARA，用结构化机器包取代传统 PDF 论文。它不仅包含代码与证据，还完整保留被传统论文删掉的失败探索路径，将 AI 复现实验成功率提升至 64.4%。科研成果正从给人类读的叙事转向给 AI 用的原生知识。代码已开源。