AI 加速攻克「不可成药」靶点：胰腺癌新药生存期翻倍
针对此前难以成药的 RAS 蛋白，新药 daraxonrasib 将晚期胰腺癌患者中位生存期从 6.6 个月延长至 13.2 个月。更重要的是，研究人员正利用 AI 筛选数百万种化合物，加速攻关占据约 70% 癌症诱因的 p53 与 MYC 等平滑靶点。这意味着过去数十年的靶向药死胡同正被 AI 算力快速打通。
AI科研 · 日报
周三
6月10日 星期三
AI 自主研究框架 Arbor 发布：靠「假设树」迭代，收益超 Claude Code 2.5 倍
研究人员提出自主研究框架 Arbor，核心是利用「假设树细化」解决 AI 智能体试错后容易丢上下文的问题。系统由总协调器掌舵策略、隔离执行器分头跑实验并保存证据，在多项长周期科研任务中平均收益达 Claude Code 和 Codex 的 2.5 倍以上。
伯克利发布全新智能体基准 ALE：GPT-5.5 险胜 Claude Fable 5 登顶
UC Berkeley 旗下机构联合 300 多位专家推出智能体基准「Agents' Last Exam」（ALE），考核 55 个行业的真实桌面工作流。OpenAI 的 GPT-5.5 凭 24.0% 的通过率位列榜首，略胜 Anthropic 刚发布的 Claude Fable 5。不过在最难一档任务中，所有顶尖模型的得分依然全挂零。
周二
6月9日 星期二
KAIST 提出 Lip Forcing：两步扩散实现 31 FPS 实时口型同步
KAIST AI 与 AIPARK 推出首个用于 V2V 口型同步的自回归扩散模型 Lip Forcing。通过将 14B 教师模型蒸馏为仅需两步去噪的学生模型，1.3B 版本在单张 H100 上达 31 FPS，首次突破实时同步门槛。
Google DeepMind 塞拉利昂试验：Gemini 辅导 8 周，数学进步相当于 2 年多
Google DeepMind 公布随机对照试验结果：在塞拉利昂 12 所学校中，Gemini 辅导系统 8 周内让学生数学水平提升了相当于 1.2 至 2.5 年的进度。它充当苏格拉底式导师，76% 的回复都在提问引导，仅 2% 直接给答案。最值得关注的是，这打破了 AI 让学生变懒的担忧，但教师深度参与时效果才翻倍。
周五
6月5日 星期五
Anchor World 亮相：用真实人体动作引导第一人称世界模拟
第一人称世界模拟器 Anchor World 公布。它支持输入 3D 人体动作与场景锚点图，直接渲染出人在空间中走动并与水槽、刀具交互的第一人称视频。这种动作驱动机制有望用于生成人形机器人的训练数据；目前代码正处于审核阶段。
Claude 化身化学家：Opus 4.7 读核磁谱图，看齐专业化学软件
Anthropic 发布白皮书，测试 Claude 在核磁共振（NMR）谱图分析上的表现。未经化学专属微调的 Claude Opus 4.7 在氢谱预测上平均误差仅 ±0.079 ppm，看齐或超越 ChemDraw 与 MestReNova，还能直接从谱图逆向推导分子结构。不过当前测试样本仅 20 个化合物。
周四
6月4日 星期四
Anthropic 披露内幕：Claude 编写超 80% 内部代码，AI 加速自我改进
Anthropic 旗下机构披露内部数据：截至 2026 年 5 月，Claude 编写了公司超 80% 的代码，工程师产出达到 2024 年的 8 倍。最值得关注的是，AI 正加速迈向「递归自我改进」；不过 Anthropic 警告，人类失去控制的风险可能比社会各界的预期来得更快。
周三
6月3日 星期三
OpenAI 升级生命科学模型 GPT-Rosalind：融合 GPT-5.5 智能体能力
OpenAI 宣布升级专为生命科学研究打造的 GPT-Rosalind 模型，融合 GPT-5.5 的智能体编程与工具调用能力。新模型在药物化学与基因组分析上全面超越 GPT-5.5，最多可节省 31% 的 Token。目前该模型通过受信任访问体系向全球合规机构开放。
周二
6月2日 星期二
ByteDance 提出 WavTTS：直接建模原始波形，几秒克隆声音
ByteDance 提出零样本语音合成模型 WavTTS。它基于 DiT 与流匹配，跳过传统的潜空间压缩，直接对原始音频波形建模以避免信息损失。最值得关注的是，它仅需几秒样本就能生成自然语音，大幅缩减了原始波形建模与主流模型之间的质量差距。
微软公布量子处理器 Majorana 2：靠 AI 辅助设计，量子比特寿命飙升至 20 秒
Microsoft 公布可扩展量子处理器 Majorana 2，在 AI 辅助设计的铅基材料堆栈支持下，拓扑量子比特可靠性提升超 1000 倍。其寿命从毫秒级跃升至平均 20 秒，偶超 1 分钟。微软借此将路线图时间减半，目标 2029 年造出容错量子计算机。
周一
6月1日 星期一
斯坦福合同法盲测：75% 对决中，法学教授更认可 AI 的回答
斯坦福大学主导的研究显示，在近 3000 次合同法答疑盲测中，法学教授在 75% 的情况下更认可 AI 给出的答案，而非人类同行撰写的版本。最值得关注的是，教授仅将 3.5% 的 AI 回答标记为有害，而同行回答达 12%。也就是说，大模型在需要复杂推理与主观判断的领域已表现出惊人能力。
周三
5月27日 星期三
AutoScientists 发布：让去中心化 AI 组团做科研，实验提速 1.9 倍
研究团队发布科研多智能体系统 AutoScientists，采用去中心化架构让 AI 自主组队验证假设。在相同预算下，它在 GPT 训练优化上比 Autoresearch 快 1.9 倍，并在 BioML-Bench 任务上超越现有最强智能体，大幅减少长周期实验里的重复试错。
Biohub 发布 ESM 蛋白质世界模型：几天搞定抗体设计，已在实验室跑通
Biohub 发布新一代蛋白质世界模型 ESM，包含结构设计工具 ESMFold2、语言模型 ESMC 和含 11 亿结构的 ESM Atlas。ESMFold2 能在数天内完成结合剂与单链抗体的计算设计和打分，并在 EGFR、PD-L1 等五个临床靶点通过了湿实验验证。药物研发最耗时的早期结合剂发现被大幅提速。
罗切斯特大学研发太阳能海水淡化技术：不排浓盐水，还能提取锂
罗切斯特大学团队公布一种太阳热海水淡化新技术，利用飞秒激光蚀刻的黑金属吸收阳光蒸发海水。该技术借助「咖啡环效应」把盐分析出为固体，不仅避免排放危害海洋的浓盐水，还能从中回收用于电池的锂元素。
周二
5月26日 星期二
NVIDIA 推出视觉定位框架 LocateAnything：一句话框出目标，密集检测提速 10 倍
NVIDIA 团队推出视觉定位框架 LocateAnything，支持输入一句话文字描述即刻框出并切取图像中的目标物体。它采用并行边界框解码机制并依托 1.38 亿样本数据集训练，将几何框作为原子单元单步解码，在提升定位精度的同时让密集检测速度最高提升 10 倍。
Datacurve 发布 DeepSWE 基准：测出编程智能体的真实差距
Datacurve 发布针对编程智能体的新基准测试 DeepSWE。团队表示，顶尖模型在现有公开榜单上跑分看似接近，DeepSWE 则通过贴近开发者日常工作的真实环境，测出它们真正的能力差距。
DeepMind 发布 AlphaProof Nexus：用几百美元算力，解开 56 年未解数学题
Google DeepMind 发布 AlphaProof Nexus 论文，在 353 个开放数学题中自主攻克 9 个 Erdős 难题，并证明了 44 个 OEIS 猜想。系统将大模型与证明辅助工具 Lean 结合完成机器验证，单题成本仅数百美元。最值得关注的是，AI 正以极低成本介入真正的数学前沿研究，但需全新数学构造的问题仍无法解决。
周一
5月25日 星期一
TriSplat 提出新 3D 重建架构：跳过高斯转网格，单次前向直出游戏级 3D 模型
研究团队提出前向 3D 重建网络 TriSplat，直接采用三角形基元表征场景，单次推理即可导出完整的 3D 网格。它省去了传统高斯泼溅复杂的后处理转换，最快 1.2 秒出模，生成的资产能直接接入 Unreal 等物理引擎与碰撞检测管线。
阿里发布 StreamChar：单张 H100 实时流式生成全身数字人音视频
阿里团队公布数字人音视频生成框架 StreamChar，将长程编排与短窗口去噪解耦。它利用 LLM 与音视频联合 DiT 架构，配合记忆机制防止身份漂移与音画脱节，在单张 H100 上跑出实时流式生成。全身数字人离实时互动和虚拟主播更近了一步。
ControlLight 发布图像重打光：连续调节照明强度，暗光废片也能救回来
研究团队提出弱光图像增强框架 ControlLight。它通过专门的加权流匹配损失，让用户能连续、平滑地调节光照强度，同时保持原图结构与真实感。暗光拍摄废片无需大幅重拍，就能直接二次布光。
Pantheon360 亮相：靠 3D 缓存生成连贯的 360 度全景视频
研究团队公布 Pantheon360 框架。它利用显式 3D 缓存作为几何骨架，让扩散模型专注渲染纹理，从稀疏全景输入生成高保真 360 度视频。这意味着数字孪生和 VR 场景有了更稳定、不易漂移的全景生成方案。
周五
5月22日 星期五
NVIDIA 提出 PiD：用像素扩散替换 VAE，2K 生图解码压进 1 秒
NVIDIA 团队提出图像解码技术 PiD。它用像素扩散替代传统 VAE，将解码与 4 至 8 倍上采样整合，在 RTX 5090 上把 2K 图像解码压到 1 秒内。这解决了高分辨率生成最后一步细节模糊的痛点，同时大幅缩短了等待时间。
GenRecon 亮相：几张照片重建大尺度 3D 场景，效果提升 16%
研究人员公布 3D 场景重建方法 GenRecon。它将大场景切分成重叠块，结合 Trellis.2 先验与几张普通照片，直接生成可编辑的室内 PBR 网格，表现优于现有前沿方法 16%。这意味着无需昂贵扫描仪，普通手机拍几张照就能快速复刻空间资产。
周四
5月21日 星期四
研究人员提出 SEGA：免训练调节 RoPE，让 DiT 稳出 4K 大图
研究人员提出免训练方法 SEGA，专门解决 DiT 模型生成超分辨率图像时易崩溃的问题。它在每步去噪时按频域能量动态缩放 RoPE 位置编码，既保留宏观构图又还原微观细节。这意味着无需昂贵的重新训练，现有模型也能直接输出 4096 级别的高清大图。
Lift4D 亮相：一段普通 2D 视频直接重建完整 4D 场景
研究人员公布 Lift4D 框架。它只需一段普通的单视角 2D 视频，就能重建出包含完整外观与运动变形的 4D 场景，还能自动脑补镜头未拍到的死角与遮挡区域。这意味着日常单机位拍摄的动态物体，也能实现 360 度环视查看。
周三
5月20日 星期三
PhysX-Omni 发布：AI 生成 3D 资产补齐物理属性，直通机器人仿真
研究人员发布物理 3D 生成框架 PhysX-Omni，让 AI 生成的模型不仅外观逼真，还能具备可直接用于仿真的材质、运动学和可变形属性。最值得关注的是，它配套推出了通用物理数据集与评测基准，让生成的资产能直接接入具身智能与机器人训练。
芝大研发 AI 柔性皮肤贴片：毫秒级在体运算，快速捕捉心脏异常
《Nature Electronics》刊登芝加哥大学团队成果，研究人员研发出一款柔性 AI 皮肤贴片。它无需连网即可直接在人体表面进行毫秒级计算，在测试中以 99.6% 准确率定位心脏异常波形，即便拉伸至 1.5 倍以上依然稳定。
OpenAI 推理模型推翻 80 年数学猜想：自主证伪埃尔德什单位距离问题
OpenAI 宣布其通用推理模型自主推翻了数学家埃尔德什在 1946 年提出的平面单位距离猜想。该模型借用代数数论工具，打破了近 80 年来方格点阵最优的共识。证明已获菲尔兹奖得主蒂姆·高尔斯等外部数学家检验确认。
周二
5月19日 星期二
Google 推出 Gemini for Science：用智能体加速科研假设与计算发现
Google 推出 Gemini for Science，包含假设生成、计算发现与文献洞见三款实验工具，并发布整合 30 多个生命科学数据库的 Science Skills。Co-Scientist 与 ERA 论文已发表在《Nature》，目前逐步开放申请。
视频版 ControlNet：CogOmniControl 靠几帧草图精准控制视频生成
研究团队公布 CogOmniControl 论文，打造出类似 ControlNet 的多输入视频控制系统。只需输入 3 帧粗糙草图或姿态骨架，搭配参考图和提示词，就能生成动作一致的视频。它专门面向专业创作流，不过目前仅发布论文，尚未开源代码与模型。
