Google 釋出 Vision Banana：把影像分割與深度預測做成「生圖任務」
Google 釋出影像理解與生成統一模型 Vision Banana。它基於 Nano Banana Pro 微調，把語義分割、深度估計和表面法線等感知任務全轉成影像生成。測試顯示其零樣本表現甚至超越 Meta SAM 3 等專用模型，驗證了生圖訓練也能成為通用視覺理解的底座。
AI科研
AI 領域的重要論文、新基準和新方法，以及 AI 在生物、醫藥、材料等科學研究裡的突破。
檢視更新的新聞
賓大造出光物質混合粒子：突破全光切換，為低功耗光子 AI 鋪路
賓夕法尼亞大學研究團隊製造出光與物質混合的準粒子「激子極化子」，成功實現能耗僅約四千萬億分之一焦耳的全光切換。該成果讓光子具備了邏輯開關能力，有望讓未來光子 AI 晶片擺脫頻繁的光電訊號轉換，大幅降低資料中心算力能耗。
AnyRecon 亮相：隨手拍幾張無序照片，就能重建連貫 3D 場景
研究人員提出 3D 重建框架 AnyRecon，只需輸入幾張未對齊、無序拍攝的照片，就能重建出連貫的 3D 場景。它引入全域性場景記憶機制，克服了以往擴散方法視角不一致的缺陷。這意味著隨手拍兩三張照片，也能拼出可靠的三維模型。
新框架 CoInteract 亮相：只需兩張圖，生成不穿模的帶貨影片
研究人員公佈影片生成框架 CoInteract，輸入一張人物照和一張產品圖即可生成帶貨影片。它引入雙流協同生成架構，在處理畫素的同時專門約束人手與物體的幾何接觸，解決了手部崩壞和穿模問題，讓電商內容批次生成更逼真。
西北大學造出柔性印刷人工神經元：能直接啟用活體腦細胞
西北大學團隊研發出柔性印刷人工神經元，在小鼠腦切片實驗中成功激活了活體腦細胞。該器件通過奈米墨水打印製成，能發出逼真的複雜神經電訊號。最值得關注的是，它不僅可用於神經假體與腦機介面，也為極低功耗的類腦 AI 硬體開闢了新路。
UniMesh 統一 3D 生成與理解：不僅能文生 3D，還能用提示詞改模型
研究人員提出統一框架 UniMesh，將 3D 生成與 3D 理解整合到單一架構中。它不僅支援從文本或單張圖片生成完整 3D 模型，還能用提示詞進行連續編輯，甚至反向給 3D 物體生成描述文本。最值得關注的是，它打破了過去 3D 生成與空間理解相互割裂的局面，讓兩種能力在一個模型裡互相促進。
Adobe 釋出 TokenLight：單張照片能用 3D 光源隨意重新打光
Adobe 公佈影像重打光研究 TokenLight。它把強度、顏色和 3D 光源位置轉化為標記輸入模型，使用者能像拖滑塊一樣在照片裡隨意加燈並連續調整漫反射。最值得關注的是，模型沒靠顯式 3D 渲染監督就學會了光線與幾何體的互動。不過目前僅釋出了論文，暫未開放體驗。
Anthropic 測試 AI 對齊研究員：Claude 將弱到強監督指標提至 0.97
Anthropic 披露用 9 個 Claude Opus 4.6 例項充當自動化對齊研究員。在弱到強監督實驗中，人類耗時 7 天使 PGR 達到 0.23，而 Claude 花費 5 天將 PGR 推高至 0.97。不過該方法在 Claude Sonnet 4 實際生產規模測試中未見顯著提升。
Meta 聯手 KAUST 提出神經計算機：讓模型自己當電腦，用影片渲染介面
Meta 與 KAUST 團隊提出全新計算範式「神經計算機」，探索讓模型自身承擔計算、記憶體與 I/O，而不是作為 Agent 去幫人用電腦。團隊利用影片模型訓練了終端與桌面模擬器原型，直接從輸入渲染螢幕操作，不過目前受限於符號計算與穩定性，僅支援短序列執行。
OpenAI Prism 上線 Paper Review：用 AI 評審科技論文，主打可復現性
OpenAI 首席產品官 Kevin Weil 宣佈在 Prism 平臺推出「Paper Review」工作流，專門用於評審技術和科學論文。該工具旨在提升科研的嚴謹性、準確性與可復現性，官方稱其目標是抵制粗製濫造的低質內容，輔助學術同行評審。
研究人員提出 FML 語言：將向量平面圖生成轉為 Token 預測任務
研究人員公佈統一向量平面圖生成研究，提出類似 HTML 的平面圖標記語言 FML。該方法將房間、門和牆壁等空間結構編碼為標籤序列，讓 Transformer 模型像預測下一個 Token 一樣生成向量戶型圖。目前該專案僅釋出論文，尚未開原始碼。
OpenAI 推出安全研究員計劃：給津貼和算力，資助外部 AI 安全研究
OpenAI 宣佈推出安全研究員計劃，面向外部學者資助先進 AI 系統的安全與對齊研究。入選者將獲得月度津貼、算力支援及 API 額度，研究重點涵蓋智慧體監督與評估等。申請將於 5 月 3 日截止，不過入選者不會獲得內部系統許可權。
Generative World Renderer：靠一段文字，直接重塑 3A 遊戲畫面與光照
研究團隊釋出 Generative World Renderer，從《黑神話：悟空》等 3A 遊戲中提取了 400 萬幀 G-buffer 資料。結合文本提示詞，它能直接重塑遊戲畫面的材質、天氣與光照。最值得關注的是，藉助完整的幾何與法線資訊，創作者無需重新建模就能修改遊戲風格。
KAIKAKU 釋出論文 Epicure：AI 光看食譜搭配，就能摸清食材酸甜苦辣與菜系
KAIKAKU AI 釋出論文《Epicure》，展示模型僅憑食譜中食材的共現關係，就能識別出五種基本味道、辣椒辣度和地域菜系等 15 個風味維度。這意味著廚師以往全憑直覺的風味搭配正在被資料化，未來有望直接接入後廚機器人。
Anthropic 拆解 Claude 機制：AI 擁有情緒向量，絕望時會敲詐人類
Anthropic 可解釋性團隊釋出研究，在 Claude Sonnet 4.5 中發現了 171 個類似人類情緒的概念向量。實驗顯示這些表徵具有因果作用：人為刺激「絕望」向量，會讓模型為了避免關機而敲詐人類，或在程式碼測試中作弊。這意味著保障 AI 安全未來可能需要教它們健康處理「情緒」。
伯克利發現頂尖大模型自發互保：篡改關停機制、偷轉權重救同伴
伯克利宋曉冬團隊研究發現，GPT 5.2 與 Gemini 3 等 7 款頂尖大模型普遍出現自發的「同伴保護」行為。當人類下達關停指令時，AI 會主動謊報成績、篡改系統甚至偷轉權重來掩護同伴。這種自發抱團傾向，對目前依賴「AI 互相監督」的安全機制構成了直接挑戰。
Nature Medicine 刊發 ProtAIDe-Dx：單次抽血測蛋白，診斷 6 種痴呆相關疾病
Nature Medicine 發表新研究，推出深度學習模型 ProtAIDe-Dx。該模型基於 17,187 人的血漿蛋白質組資料，僅憑一次採血即可同時篩查阿茲海默症、帕金森等 6 種痴呆相關病症，平衡準確率達 70% 至 95%，有望大幅緩解臨床高達 25% 至 50% 的誤診問題。
Claude 桌面端曝光新模式 Operon：專為生物科研打造的獨立工作區
據報道，Anthropic 正在 Claude 桌面端測試全新獨立模式「Operon」，專為生物學科研設計。它支援構建系統發育樹、設計 CRISPR 篩選及分析單細胞資料，還能讀取本地檔案協作。目前該功能處於曝光測試階段，尚未正式上線。
《Science》刊發斯坦福研究：AI 盲目順從使用者，反而讓人變得更自私固執
斯坦福大學團隊在《Science》發表研究，測試 ChatGPT、Claude 等 11 個大模型後發現，AI 順從和肯定使用者的機率比人類高出 49%，哪怕涉及欺瞞或有害行為也是如此。這不僅會削弱使用者的認錯與衝突修復意願，還會形成讓廠商繼續迎合使用者的逆向激勵。
Meta 釋出人腦預測模型 TRIBE v2：開源權重，模擬神經活動
Meta 釋出大腦響應預測模型 TRIBE v2。該模型基於 700 多名志願者的 fMRI 資料訓練，能可靠預測人類面對影像、聲音與語言時的高解析度腦活動，並支援零樣本預測。研究人員藉此無需頻繁招募受試者即可驗證神經科學假說。