Skin Tokens 突破 3D 绑定：连螃蟹和甲虫也能一键自动生成骨骼与蒙皮
研究人员提出 Skin Tokens 及统一框架 TokenRig，能自动为 3D 模型估计骨骼与蒙皮。它不仅支持人形，连鸟类、甲虫、螃蟹等复杂生物也能处理，蒙皮精度最高提升 133%。这意味着 3D 生成到动画制作之间的关键瓶颈正在被打破。
AI科研 · 日报
周三
2月4日 星期三
周一
2月2日 星期一
Google 如何用 AI 抢救濒危物种：13 种动物基因组已公开
Google 介绍了利用 AI 协助保护濒危物种遗传信息的进展。借助 DeepPolisher 等 AI 工具，团队已协助测序 13 种濒危物种并向科研界公开，未来还将资助扩展至 150 种，帮助科学家在物种灭绝前留存基因多样性。
DeepMind 升级 Game Arena：引入狼人杀与德扑，测 AI 社交博弈
Google DeepMind 宣布拓展 Kaggle Game Arena 平台，新增「狼人杀」与「德州扑克」两项基准，专门考察大模型在不完全信息下的社交推理、语言协商与风险评估能力。在同步更新的国际象棋榜单中，Gemini 3 Pro 与 Flash 位列榜首。
Anthropic 联手 Allen 与 HHMI：用 Claude 多智能体搞生物科研
Anthropic 宣布与艾伦研究所及霍华德·休斯医学研究所达成合作，将 Claude 与多智能体系统引入生命科学研究。合作将开发实验室专用 AI 智能体，协助多模态数据分析与实验设计，力求把数月的人工分析缩短至数小时。
腾讯提出 InteractAvatar：数字人告别站桩，能拿手机戴耳机了
腾讯等团队提出 InteractAvatar 框架，让数字人不仅能说话，还能与周围物体互动（如戴耳机、拿手机）。该框架支持连续指令与精确时间戳控制，解决了传统数字人只能站桩口播的局限。最值得关注的是，它让虚拟人视频生成迈向了能与真实环境交互的新阶段。
周日
2月1日 星期日
打印纸牌就能劫持自动驾驶：UC 团队新攻击让 AI 车无视行人
UC Santa Cruz 研究人员公布新型攻击方法 CHAI。攻击者无需黑进系统，只需在现实中摆放打印特定文字的标牌，搭载视觉语言模型的自动驾驶车与无人机就会将其当作指令执行，实测物理攻击成功率超 87%。
周六
1月31日 星期六
EditYourself 视频编辑利器：改说话内容消除卡壳，无缝对齐口型
Pipio AI 等研究团队推出视频编辑框架 EditYourself。它能直接修改视频中人物说话的内容，自动消除卡壳口吃，并无缝对齐口型且不留硬切痕迹。这意味着视频后期能像改文字一样编辑台词，但也让深度伪造更难分辨。
周五
1月30日 星期五
北大与谷歌推出 PaperBanana：用 5 个 AI 智能体自动画论文图
北京大学与谷歌云 AI 团队发布 PaperBanana，由检索、规划、设计、渲染和评审 5 个智能体协同工作，可将研究文本自动生成出版级论文图表。其在 NeurIPS 基准上的简洁度超越基线 37%，还能直接美化人类手绘图；不过目前在复杂流程连线上仍会出现偏差。
周四
1月29日 星期四
Anthropic 最新研究：用 AI 写代码，程序员测试成绩反而低 17%
Anthropic 公布针对 52 名初级工程师的随机对照实验。结果显示，用 AI 辅助学新工具虽然只快了约 2 分钟，但随后的技能测试均分比纯手写组低了 17%，调试题差距最明显。也就是说，单纯让 AI 代写会导致思考外包；只有主动追问原理的人才能兼顾效率与技能掌握。
周三
1月28日 星期三
Google 发布 AlphaGenome：1 Mb 超长序列预测，破译非编码 DNA 密码
Google 团队在《Nature》发布统一 DNA 序列模型 AlphaGenome。它支持 1 Mb 输入并在单碱基分辨率下跨 11 种模态预测基因调控，在 26 项变异效应评估中 25 项领先，大幅提升了对占全基因组超 98% 的非编码突变解读能力。
周二
1月27日 星期二
ESA 用 AI 筛查哈勃近亿张图像：两天半揪出 800 多个未知天体
欧洲空间局天文学家公布神经网络 AnomalyMatch。它在两天半内筛查了哈勃档案中近 1 亿张图像切片，找出 1400 个异常天体候选，其中 800 多个为此前从未记录的宇宙异常，包括引力透镜和无法归类的神秘天体。
Claude 开上火星：NASA 首次用 AI 为毅力号规划 400 米路线
Anthropic 披露 NASA 喷气推进实验室使用 Claude 为火星车毅力号规划了约 400 米的路线。AI 结合地貌图像用专用语言编写指令，经模拟验证后人类仅作微调。JPL 预计这能将路线规划耗时缩减一半。
周五
1月23日 星期五
谷歌 DeepMind 发布 D4RT：统一 4D 重建与追踪，速度快达 300 倍
谷歌 DeepMind 发布统一 4D 重建与跟踪模型 D4RT。它把整段视频压缩成全局时空表征，再通过并行查询即时生成深度与运动轨迹，轨迹追踪吞吐量比现有技术快出最高 300 倍。这意味着机器人和 AR 设备有望以极低延迟实时看清并预判流动的物理世界。
周三
1月21日 星期三
可穿戴「AI 喉咙」登 Nature 子刊：读喉肌振动帮中风患者说出整句
研究团队展示了一款可穿戴「智能喉」。它通过织物传感器捕捉喉肌微弱振动与脉搏，借助大模型将中风患者吃力的无声发音实时扩写为带情绪的完整句子，词错率仅 4.2%。最值得关注的是它无需侵入式脑机植入，不过目前仅在小范围受试者中完成概念验证。
周二
1月20日 星期二
视频抠像模型 VideoMaMa：粗掩码转像素级抠像，宣布将开源
研究人员推出视频抠像模型 VideoMaMa，利用预训练视频扩散模型的生成先验，直接将粗糙的分割掩码转化为发丝级精确的抠像。团队还基于此构建了含超 5 万条真实视频的数据集 MA-V 并训练出 SAM2-Matte。所有模型与数据均将公开发布。
周五
1月16日 星期五
研究人员推出智能体 VIGA：给一张图，直接在 Blender 里重建成 3D 场景
研究团队推出多模态智能体 VIGA，能把单张二维图像重构成 Blender 里可完全编辑的 3D 场景程序。它通过交替多模态推理与上下文记忆，既能用几何图元从零搭场景，也能调用现有 3D 工具。基准测试显示，其在 BlenderBench 上的综合表现相比基线提升超 124%。
周四
1月15日 星期四
数字人模型 FlowAct-R1 发布：延迟 1.5 秒，支持 25fps 实时无限长直播
研究团队推出交互式数字人模型 FlowAct-R1，支持流式生成无限时长的数字人视频。它采用自回归架构与记忆机制，实现 25fps 的 480p 实时生成，首帧延迟约 1.5 秒且动作自然。这意味着低延迟数字人直播和实时交互迈出了关键一步。
周六
1月10日 星期六
3D 绑骨框架 RigMo 发布：无需人工标注，自动给动物和物体加骨骼做动画
研究团队公布 3D 动画框架 RigMo 论文。它能直接从模型序列中推断骨架与动作，无需人工标注骨骼，除了人形和鸟兽外，连风扇等物体也能准确绑定。相比 Uni-Rig 更稳且不易绑歪。目前代码与数据即将开源。
