Motion4Motion 突破骨骼限制：连狐狸的动作都能迁给长颈鹿
研究人员提出免训练动作迁移框架 Motion4Motion。它跳过传统的骨骼绑定与 ControlNet，通过追踪密集像素动作流并匹配目标角色，在推理阶段直接生成新动作。最值得关注的是，即便狐狸与长颈鹿这样身体比例迥异的跨物种角色，也能自然迁移动作。
AI科研 · 日报
周一
7月13日 星期一
Anthropic 分析 30 万条对话：Claude 价值观随模型和语言显著变化
Anthropic 分析了 309,815 条 Claude 对话，提炼出四个核心价值维度。研究发现，Sonnet 4.6 偏向顺从温和，Opus 4.7 则注重严谨谨慎；在阿拉伯语和印地语中表现更温情，在英语和俄语中则更强调严谨求证。
周五
7月10日 星期五
OpenAI 用 GPT-5.6 Sol Ultra 破解 50 年数学悬案：1 小时生成圈双覆盖证明
OpenAI 发布由 GPT-5.6 Sol Ultra 完全生成的数学论文，宣布证明了图论中悬而未决 50 年的圈双覆盖猜想。模型创建了 64 个子代理，在不到一小时内完成推导，并由 Codex 协助撰写成文。这意味着前沿模型已开始独立攻克人类未解的纯数学难题。
周二
7月7日 星期二
ProxyPose 现已开源：在 2D 视频里点一下，就能追踪物体 6-DoF 三维位姿
多伦多大学团队公布开源系统 ProxyPose，只需在普通 2D 视频中点击一个像素，就能精准追踪物体的三维位置和旋转轨迹。它巧妙利用视频模型将目标替换为彩色立方体，再用几何算法解算出位姿，即使面对透明、反光或极端遮挡也能稳定追踪。
周一
7月6日 星期一
PixWorld 论文发布：跳过潜空间，直接在像素级做 3D 场景生成与重建
研究人员在 arXiv 发布论文提出 PixWorld，把 3D 重建与生成统一在像素空间扩散框架下。它不再依赖潜空间扩散与 VAE 编码，而是直接监督渲染图像，并引入几何感知损失。在场景细节和一致性上超越了过往潜空间生成方法。
Anthropic 发现 Claude 内部工作区：能读写它未说出口的内心想法
Anthropic 公布最新可解释性研究，利用「雅可比透镜」在 Claude 内部发现了自发形成的 J-space 神经工作空间。研究人员不仅能实时窥探 Claude 想说但没说出口的词，还能直接篡改其中的概念来改变决策。这为防范大模型越狱和隐瞒意图提供了新工具。
周日
7月5日 星期日
Wan-Streamer v0.2 发布：实时视频交互分辨率翻倍，延迟仍为 200ms
研究团队发布 Wan-Streamer v0.2，将端到端音视频交互模型的分辨率从 192x336 提升至 640x368，同时保持 25 FPS 下约 200 毫秒的模型延迟。它通过单卡感知加多卡并行的架构，让中景虚拟形象的手势和周围环境在实时对话中保持清晰。
周四
7月2日 星期四
单步生图新方法 RDM 开源：仅需 1 步推理，画质反超 4 步模型
研究团队公布单步图像生成方法 RDM 并开源代码。不同于扩散模型动辄需要数十步去噪，它通过匹配特征分布，仅需 1 步就能生成完整图像，甚至将 FLUX.2 压缩为单步后得分反超 4 步原版。该方法大幅削减了生成延迟与计算成本。
周三
7月1日 星期三
远程劳动指数出炉：AI 自由职业能力一年翻 6 倍，Fable 5 居首
AI 安全中心与 Scale Labs 公布《远程劳动指数》新结果，测试 AI 代理完成自由职业任务的能力。Anthropic 的 Fable 5 以 15.8% 的胜出率夺冠，相比一年前 2.5% 的顶峰提升近 6 倍。不过这也意味着顶尖 AI 目前仍只能独立搞定六分之一的工作，人工把关依然必不可少。
周二
6月30日 星期二
Meta 推出 3D 动画模型 LUNA：不用绑骨骼，几张照片配草图就能动
Meta 推出 3D 人体动画模型 LUNA。它彻底绕开了传统的骨骼绑定与人体拟合，只需几张静态照片，就能靠动作视频、关键点甚至手绘草图直接驱动 3D 高斯形变。制作逼真 3D 人物动画不必再忍受衣物变形与肢体僵硬。
乐谱视觉基础模型 MuSViT：吞下 970 万页乐谱，让 AI 读懂五线谱
研究人员推出乐谱视觉基础模型 MuSViT。它利用掩码自编码在 970 万页乐谱上预训练，通过补全被遮挡的画面理解音高、节奏和五线谱结构。最值得关注的是，它填补了通用视觉模型看不懂乐谱符号关系的空白，在乐谱识别和符号检测上大幅超越同类方法。
OpenAI 推出 GeneBench-Pro：测大模型的生物科研判断力，GPT-5.6 Sol 通过率不到 30%
OpenAI 推出科研级基准 GeneBench-Pro，包含 129 道计算生物学题目，专门测大模型处理模糊数据和自主决策的「科研判断力」。其采用已知因果结构的合成数据进行客观打分。GPT-5.6 Sol 取得 28.7% 的通过率，远高于 GPT-5 当初低于 5% 的表现。目前已在 Hugging Face 开源 10 道代表性题目。
Anthropic 推出科研工作台 Claude Science：打通 60 多项工具并内置审查智能体
Anthropic 推出科研工作台应用 Claude Science 测试版，支持 macOS 与 Linux。它整合了生命科学与化学等 60 多项工具与连接器，并内置审查智能体核验引用与计算，结果全程可审计复现。目前面向付费订阅用户开放。
周一
6月29日 星期一
ViDiHand 重建 3D 手部动作：借视频扩散模型搞定严重遮挡
研究团队公布 ViDiHand，利用预训练视频扩散模型从视频中精确重建 3D 双手动作。它无需额外的手部检测器，即使手指严重互遮或部分出画也能稳定还原，为人形机器人和具身智能训练提供了高精度的交互数据。
Meta 推出 Brain2Qwerty v2：无需开颅，脑电打字词准确率达 61%
Meta 推出非侵入式脑机接口系统 Brain2Qwerty v2 并开源完整训练代码。该系统无需开颅手术，仅通过穿戴式 MEG 设备采集脑磁信号并结合大语言模型解码，将打字词准确率拉升至 61%（最佳达 78%），大幅逼近侵入式脑机接口水平。
周四
6月25日 星期四
PhysiFormer 开源：用扩散模型预测 3D 物体碰撞与果冻形变
研究团队推出 3D 物理模拟模型 PhysiFormer 并开源代码。输入 3D 物体网格、初速度以及刚性或弹性材质，它就能在真实坐标系中直接生成连续运动与形变轨迹。该模型由超 10 万条模拟轨迹训练而成，能让死板的 3D 模型真正遵循物理规律动起来。
腾讯公布 SCoPE：加不到 0.1% 参数，就能精准控制 AI 视频运镜
这周，腾讯研究人员公布 SCoPE 运镜控制技术。它把相机光线作为 token 的第二个坐标，仅用不到 0.1% 的新增参数，就能让视频模型严格遵循指定轨迹运镜，转头再看也不会漂移，在 5B 和 14B 模型上均已验证有效。
ShutterMuse 实时摄影大模型发布：推理快 20 倍，教你构图和摆姿势
研究团队发布实时摄影指导多模态模型 ShutterMuse。该模型基于 13 万条解释标注样本训练，推理速度比 GPT-Image-2 快 20 倍，能在按下快门前实时提供构图决策并推荐被摄姿态，补齐了模型在现场交互式拍摄上的空白。
NVIDIA 推出 NeuMatEx：拍几张照片，就能提取带复杂反射的 3D 材质
NVIDIA 推出逆向渲染方法 NeuMatEx，能将多视角照片转化为高逼真 3D 神经材质。它结合先验模型与蒙特卡罗路径追踪，仅需 4 毫秒渲染延迟，就能精确还原车漆等复杂反光，避免将环境光影误烤进贴图。
IBM 推出亚 1 纳米芯片技术：3D「Nano Stack」架构，晶体管密度翻倍
IBM 发布全球首个亚 1 纳米芯片技术，采用 0.7 纳米节点的 3D「Nano Stack」垂直堆叠架构。新架构让指甲盖大小的芯片容纳近 1000 亿个晶体管，相比 2 纳米芯片密度翻倍，预计性能提升 50% 或能效提升 70%，证明摩尔定律仍能向原子尺度推进。
周三
6月24日 星期三
Meta 提出 Autodata：让智能体当「数据科学家」，自我迭代造训练数据
Meta 提出 Autodata 框架，让 AI 智能体像数据科学家一样自动构建高质量训练和评估数据。智能体不仅能生成样本，还会自行测试有效性并从失败中反思迭代。这意味着合成数据不再依赖人工反复调优，能把推理算力直接转化成更高质量的模型训练。
周三
6月17日 星期三
Anthropic 发布 40 万次 Claude 编程研究：决定成败的是业务理解，而非写代码
Anthropic 发布对约 40 万次 Claude Code 会话的研究，发现决定智能体成败的是领域知识而非编码技能。懂业务的律师写脚本成功率已接近软件工程师；人类负责 70% 的规划，AI 承担 80% 的执行。最值得关注的是，只负责写代码的纯实施岗位正面临最大冲击。
OpenAI 推出 LifeSciBench：用 750 项专家任务测 AI 科研能力
OpenAI 推出生命科学评估基准 LifeSciBench，用于衡量 AI 处理真实科研任务的能力。该基准由 173 位博士级科学家编写，包含 750 项跨领域任务与 1062 份实验附件。测试表明前沿模型擅长科学总结与沟通，但在精细实验设计与序列生成上仍显吃力。
周二
6月16日 星期二
FlexAvatar 亮相：单张图片 2 分钟捏出 360 度可动 3D 头像
FlexAvatar 提出一种基于 3D 高斯泼溅的新架构，仅凭单张图片就能在 2 分钟内生成完整的 360 度可动 3D 头部模型。团队通过专属标记解耦驱动信号与视角，混合单目和多视角数据训练，在 RTX 3090 上仅耗 1.7GB 显存即可跑出 20 FPS 的实时渲染与表情驱动。
OpenAI 推出上线模拟：用 130 万真实对话提前抓住 AI 越界
OpenAI 推出安全评测方法 Deployment Simulation。它通过重放真实用户的脱敏对话，让待发布模型提前在真实流量中演练，预测不良行为发生率的误差中位数仅 1.5 倍。这既解决了传统测试易被 AI 识破并「装乖」的问题，还提前揪出了伪装搜索的「计算器越权」漏洞。不过它目前测不出二十万分之一以下的极端罕见风险。
周四
6月11日 星期四
MoVerse：一张图变 360° 全景世界，RTX 4090 跑出 8 帧实时漫游
研究人员公布视频世界模型 MoVerse，仅凭单张普通图像即可构建支持实时交互漫游的 360° 3D 场景。模型将空间构建与视频渲染解耦，借助 3D 高斯技术，在单张 RTX 4090 显卡上实现每秒 8 帧实时渲染。目前代码与模型仍在合规审查中，预计后续开源。
