华盛顿大学研发 AI 耳机：看对方几秒，嘈杂人群中就只听他说话
据华盛顿大学消息，研究团队开发出 Target Speech Hearing 系统。佩戴者只需看着目标说话者 3 至 5 秒，系统就能锁定其声纹并实时消除环境噪声，即便走动或转头也能持续清晰收听。该系统尚未商用，目前仅支持单人注册。
AI科研 · 日报
周四
5月23日 星期四
周二
5月7日 星期二
MIT 借助机器学习破译抹香鲸：发现类似人类语言的「拼音表」
MIT CSAIL 与 Project CETI 团队借助机器学习分析了 8,719 个抹香鲸尾声，发现其叫声是一套由节奏和节拍构成的组合编码系统。这表明抹香鲸也能像人类拼凑音节一样组合信息，打破了人类语言的独特属性。
周日
5月5日 星期日
生成式 AI 自主设计新药：研发周期从数年缩至数月
CNBC 报道生成式 AI 正在重塑制药业，礼来与英伟达等高管预计数年内药物将完全由 AI 自主设计。AI 能在 5 分钟内生成传统湿实验一年的分子量，将药物发现周期从数年缩减到数月，但真实有效性仍需人体试验检验。
周五
4月26日 星期五
Profluent 用 AI 从头设计基因编辑器：开源 OpenCRISPR-1，性能媲美天然 Cas9
Profluent 利用生成式 AI 从头设计出精准基因编辑器，并开源 OpenCRISPR-1。团队训练蛋白质语言模型生成新分子，在人类细胞中的编辑活性与特异性媲美甚至超过天然 SpCas9。这意味着基因编辑告别了从自然界碰运气的阶段，步入按需定制时代。
周二
4月23日 星期二
Open CoT Leaderboard 上线：专测思维链到底能帮大模型提多少分
Hugging Face 上线 Open CoT Leaderboard。与传统跑分不同，它不看绝对准确率，而是专测加入思维链推理步骤后的净提分幅度。测试显示 7B 小模型有时借此提升比大模型更猛，但思维链有时也会让准确率不升反降。
周一
4月22日 星期一
Adobe 公布 VideoGigaGAN：把模糊视频放大 8 倍且不闪烁
据报道 Adobe 研究人员公布生成式 AI 模型 VideoGigaGAN，能将模糊视频分辨率提升至原来的 8 倍。该技术结合了 GAN 的细腻细节与时序稳定性，避免了视频超分辨率常见的闪烁与伪影。目前该成果仅为研究预览，暂未确定是否会集成到 Premiere Pro 等软件中。
通用智能体 JAT 开源：一个模型通吃游戏与机械臂
研究团队开源通用智能体 JAT，包含模型、数据集及专家策略。作为 Gato 的开源复现与演进，它用单个网络在 157 项任务中达到专家基准 65.8% 的表现，涵盖玩游戏、机械臂控制与初级图文处理。
周五
4月19日 星期五
斯坦福发布第七期 AI 指数报告：跑分逼近人类，研究界急着出新题
斯坦福 HAI 发布第七期《AI 指数报告》，指出 AI 在阅读理解与图像分类等指标早已超越人类，在 MATH 竞赛题的解题率也从 6.9% 飙升至 84.3%。由于旧测试接连被刷爆，学界正加紧设计更难的新基准。不过，模型在幻觉与真实性上依然存在明显短板。
周三
4月3日 星期三
苹果公布 ReALM 模型：把屏幕转成文本，端侧干翻 GPT-4
Apple 研究团队公布新 AI 系统 ReALM。它巧妙地把屏幕实体转化为纯文本进行指代消解，不需要笨重的图像识别就能理解屏幕内容与后台任务，特定任务表现甚至大幅超越 GPT-4。这预示着未来的 Siri 可以在设备端直接看懂你的屏幕并代办事项。
周二
4月2日 星期二
Anthropic 发现多样本越狱：塞几十道问答就能绕开 AI 道德限制
Anthropic 披露了一种名为「多样本越狱」的漏洞。利用大模型扩大的上下文窗口，攻击者在提示词里塞入几十组轻度违规问答作为示例，就能诱导 AI 顺从回答制造炸弹等危险问题。目前团队已将风险同步给同行，正尝试在前置拦截环节进行防御。
周一
3月18日 星期一
Google 发布 VLOGGER：一张照片配一段音频，就能让人物开口说话还带手势
Google 研究人员开发出多模态 AI 模型 VLOGGER，只需一张人物照片和一段音频，就能生成对应口型、头部动作和手势的完整视频。与传统方案相比，它无需针对单人专门微调，还能补全上半身动作。不过视频目前长度有限且背景固定，仍有少许瑕疵。
周三
3月13日 星期三
Google DeepMind 推出 SIMA：能听懂人话、在 3D 游戏里帮你干活的通用 AI
Google DeepMind 推出通用 AI 智能体 SIMA。它不用看游戏源码或专用接口，仅凭屏幕画面和键盘鼠标输出，就能听懂玩家的自然语言指令，在《无人深空》《拆迁》等 9 款商业 3D 游戏中完成爬梯子、开菜单等 600 项基础操作。这是 AI 从刷高分转向泛化执行真实任务的重要一步。
周六
3月9日 星期六
LLM 预测神经科学实验准确率达 81%：反超人类专家
Xiaoliang Luo 等学者发表研究，表明大语言模型预测神经科学实验阳性结果的准确率达到 81%，超过人类专家的 64%。团队仅使用 70 亿参数的类 GPT-3.5 模型，经神经科学文献微调后表现进一步提升，能帮助科研人员收窄研究方向。
周一
2月26日 星期一
Google DeepMind 发布 Genie：一张图就能生成可玩的游戏
周一，Google DeepMind 展示了基础世界模型 Genie。它通过学习超 20 万小时公开游戏视频，无需人工动作标注，仅凭单张图片或草图就能生成可交互、可操控的 2D 横版过关世界。这意味着生成式 AI 正在跨入可操控环境，为训练智能体铺路。
周四
2月15日 星期四
Meta 发布 V-JEPA：不生成像素也能看懂视频，训练效率最高翻 6 倍
Meta 推出非生成式视频模型 V-JEPA。它不在像素层面抠细节，而是在抽象特征空间预测被遮挡的视频内容，训练和样本效率比传统做法高出 1.5 到 6 倍。预训练完成后无需微调全部参数，只加一层轻量网络就能适配动作分类等多种任务。
