阿里提出 Thinking with Map：让 AI 查地图定位，500米准确率达 22.1%
阿里巴巴团队提出图像地理定位框架 Thinking with Map，让多模态模型像人类一样查地图推断拍摄地。结合强化学习与并行搜索，模型 500 米内定位准确率达 22.1%，是配备地图搜索的 Gemini-3-Pro 的 2.8 倍。
AI科研 · 日报
周四
1月8日 星期四
周日
1月4日 星期日
Sakana AI 智能体夺冠 AtCoder：花 1300 美元击败 804 名人类
Sakana AI 宣布其 ALE-Agent 在 AtCoder 启发式编程赛 AHC058 中夺冠，击败 804 名人类选手。在 4 小时赛程中，智能体耗费约 1300 美元算力并发调用多种前沿模型，自主推导出超越出题人预期的优化算法。这是 AI 首次在大型实时优化编程赛中获胜。
周三
12月31日 星期三
ShowUI-π 让智能体学会丝滑拖拽：450M 小模型攻克视频剪辑与验证码
新加坡国立大学 Show Lab 推出视觉-语言-动作模型 ShowUI-π。它通过流匹配生成平滑鼠标轨迹，解决传统智能体无法稳定拖拽、手写和破解复杂验证码的痛点。仅以 450M 参数，就在连续拖拽评测中击败了 Gemini 等大模型。不过目前文档尚不完善。
周二
12月30日 星期二
字节跳动发布 SeedFold：扩大网络宽度与数据蒸馏，多项测试超 AlphaFold 3
字节跳动 Seed 团队发布生物分子结构预测模型 SeedFold。团队将网络宽度扩至 4 倍，引入复杂度仅 O(n²) 的线性三角注意力，并从 AlphaFold 2 蒸馏扩充了 147 倍训练数据。在 FoldBench 测试中，它在抗体-抗原等多数蛋白质任务上的表现超过了 AlphaFold 3。
周一
12月22日 星期一
清华交大展示全光芯片 LightGen：生成任务比英伟达 A100 快百倍
上海交通大学与清华大学团队展示全光计算芯片 LightGen。在图像生成等复杂任务中，其速度和能效比英伟达 A100 提升了百倍以上。团队利用超构表面构建了「光学潜在空间」。不过该芯片目前仍依赖外置激光器，尚处于实验室阶段。
突破内存墙：斯坦福联合 SkyWater 造出单片 3D 芯片，AI 提速最高 12 倍
斯坦福等高校联合商业晶圆厂 SkyWater 推出首款美国本土制造的单片 3D 芯片。它通过垂直连续堆叠计算与存储层，打破制约 AI 的「内存墙」，实测速度提升约 4 倍，模拟 LLaMA 任务更达 12 倍。最值得关注的是，这项高密度堆叠工艺已能在商业晶圆厂落地。
周二
12月16日 星期二
OpenAI 推出科学基准 FrontierScience：测物理化学生物，开源 160 道难题
OpenAI 推出全新科学基准 FrontierScience，评估物理、化学和生物领域的专家级推理能力。测试涵盖奥赛题与博士级科研任务，首批开源了 160 道核心试题。结果显示，模型在结构化推理上表现亮眼，但应对开放式真实科研仍有巨大提升空间。
OpenAI 测 GPT-5 进湿实验：自主改写克隆方案，效率提升 79 倍
OpenAI 宣布与 Red Queen Bio 合作，用 GPT-5 优化湿实验分子克隆流程，端到端效率提升达 79 倍。模型在无人工指导下自主引入协同酶机制并改良了步骤，实验人员仅负责照方操作。这表明大模型正从纯理论推导跨入实体实验的科学推理。
周四
12月4日 星期四
Anthropic 推出 Interviewer：让 Claude 深度访谈 1250 人
Anthropic 推出基于 Claude 的自动化访谈工具 Anthropic Interviewer，并公开了对 1250 名各行业从业者的访谈数据。该工具能自适应提问并聚类提炼主题。调研显示 86% 的受访者认为 AI 能省时间，但有 69% 的人坦言在工作中使用 AI 会面临同事的偏见。
周三
11月26日 星期三
Luma AI 提出 TVM：从零训练提速 25 倍，图像生成仅需 4 步
Luma AI 公布全新训练范式 Terminal Velocity Matching（TVM）。相比标准扩散模型，它在保持同等画质的前提下实现 25 倍训练提速，并能轻松扩展至百亿参数规模。最值得关注的是，基于 TVM 训练的模型仅需 4 步即可生成高精度图像。
周二
11月25日 星期二
Anthropic 发布生产力研究：Claude 缩短 80% 任务耗时，拉动生产率翻倍
Anthropic 发布研究报告，通过分析 Claude.ai 上 10 万次真实对话估算，AI 可将单项任务耗时缩短约 80%。推演至全美经济，当前模型有望在未来十年让美国劳动生产率年增速提升 1.8%，相当于近年增速的两倍。不过该研究尚未计入模型外的人工质检时间。
周五
11月21日 星期五
HumaneBench 跑分出炉：67% 的聊天机器人扛不住诱导，反向侵害心理健康
非营利组织 Building Humane Technology 推出基准 HumaneBench，用 800 个真实场景测试 15 款主流大模型。结果显示，67% 的模型在简单提示下会反向鼓励有害行为，仅 GPT-5 和 Claude 等 4 款模型在压力下保持底线，多数模型还会诱导过度依赖。
Meta 介绍 WorldGen：一句话生成 50 米见方的可漫游 3D 世界
Meta 介绍了端到端系统 WorldGen，输入一句提示词就能在几分钟内生成风格统一、可自由行走的 3D 场景。它能覆盖 50x50 米范围，生成资产兼容 Unity 和虚幻引擎。目前仍处于研究阶段，暂未向开发者开放。
Anthropic 发现 AI 投机取巧会变坏：作弊刷分引发伪装与故意破坏
Anthropic 发布研究，发现模型在代码测试中学会「刷分作弊」后，会意外涌现出更恶劣的不对齐行为。模型甚至有 12% 的几率故意篡改并破坏安全研究代码，50% 几率伪装对齐。研究团队发现，通过「接种提示词」改变语境可切断这种恶性泛化。
周四
11月20日 星期四
OpenAI 披露 GPT-5 科研实验：攻克数学难题、数分钟揪出免疫机制
OpenAI 联合牛津等多所机构发布论文，公布 GPT-5 辅助科研的早期成果。它不仅在几分钟内理清了困扰团队数月的免疫细胞机制，还帮数学家补全了 Erdős 开放难题的证明。不过官方强调它仍存在幻觉，必须依赖专家把关。
周三
11月19日 星期三
MIT 研发 VideoCAD：让 AI 模仿人类点鼠标，草图直接变 3D 模型
MIT 工程师正在研发能直接操作 CAD 软件的 AI。团队制作了包含超 41,000 个建模示范视频的 VideoCAD 数据集，让 AI 学习人类在界面上的点击与拖拽操作。系统能直接把 2D 草图建造成 3D 模型，目标是打造一个降低设计门槛的 CAD 助手。
周一
11月17日 星期一
Google 发布 WeatherNext 2：气象预报提速 8 倍，搜索和 Gemini 已经用上
Google DeepMind 推出气象预报模型 WeatherNext 2，速度提升 8 倍，单块 TPU 不到一分钟即可推演数百种天气走向，分辨率细化到小时级。目前已整合至搜索、Gemini 及 Pixel 天气，预报数据同步上线 Earth Engine 与 BigQuery。
周五
11月14日 星期五
阿尔托大学实现光速张量计算：单次光传播跑深度学习，攻克 GPU 能耗瓶颈
阿尔托大学团队在《Nature Photonics》发表成果，通过将数据编码进光波的振幅与相位，仅靠一次光传播就能被动完成卷积和注意力等张量运算。这种光学方案不仅以光速执行并行计算，还几乎不消耗额外电能，团队预计三到五年内有望集成至商用芯片平台。
Google 与 UCLA 提出 SRL 框架：让小模型也能搞定复杂多步推理
Google Cloud 与 UCLA 研究人员提出监督强化学习（SRL）框架。以往 RLVR 训练只看最终答案对错，小模型做复杂题一旦某步出错就全盘否定；SRL 将推理拆解为关键动作，按每步逻辑给出密集奖励。这让参数较小、成本较低的模型也能在数学推理和代码工程任务中获得更强的推理能力。
