OmniLottie 論文公開：能直接把圖文指令轉成 Lottie 向量動畫
研究團隊提出向量動畫生成框架 OmniLottie。它通過專用分詞器配合視覺語言模型，能將文本與影像等指令直接轉化為實用的 Lottie JSON 動畫檔案。研究團隊還同步推出了包含 200 萬條標註動畫的資料集 MMLottie-2M。
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
ArtiFixer 修復稀疏 3D 重建：藉助自迴歸擴散模型，幾張圖也能補全場景
研究團隊公佈 3D 重建增強方案 ArtiFixer。針對僅有幾張照片導致的 3D 重建殘缺與偽影，它藉助自迴歸擴散模型補齊未觀察到的背景與結構細節，基準指標較以往提升 1 至 3 dB。不過目前該成果僅有論文，尚未開原始碼。
位元組釋出空間獎勵模型：靠 8 萬組對比資料，讓 AI 擺對「前後左右」
位元組團隊提出空間獎勵建模框架，專門解決影像模型搞不清前後左右的問題。團隊構建了包含 8 萬多組正誤對比的資料集訓練獎勵模型，能有效指導 Flux 等模型擺對複雜物體的空間佈局。相關資料集與模型權重計劃公開。
兵棋推演最新研究：主流 AI 在 95% 模擬衝突中推薦核打擊
據《新科學家》報道，倫敦國王學院在兵棋推演中測試 GPT-5.2 等主力大模型，發現 AI 在 95% 的模擬危機中動用了核武器，且無一模型選擇投降。研究指出機器缺乏人類對核升級的敬畏，若軍方在極度緊迫的時間內依賴 AI 輔助，可能誘發災難性誤判。
Sony 提出影片音效模型 MMHNet：引入 Mamba 架構，為 5 分鐘長影片對齊聲音
Sony 團隊提出影片轉音訊生成架構 MMHNet，結合分層網路與 Mamba 架構生成超過 5 分鐘的連續音效。該方案解決了音畫長程對齊難題，實現「訓短測長」，在動作打點與鏡頭切換的貼合度上表現更好。目前該成果以論文形式公開。
Confluence Labs 結束隱身：ARC-AGI-2 刷到 97.9%，單任務僅 11.77 美元
AI 實驗室 Confluence Labs 結束隱身，宣佈在推理基準 ARC-AGI-2 公開評測中跑出 97.9% 的新成績，單任務成本為 11.77 美元。其方案通過大模型驅動程式合成並開源了程式碼，計劃將這種高效學習能力應用到藥物和硬體研發等資料稀缺領域。
影片推理框架 VBVR 開源：含百萬影片片段，攻克時空與物理推理
研究團隊開源大規模影片推理框架 VBVR 及評測基準 VBVR-Bench。該專案包含覆蓋 200 項任務的百萬級影片片段與 310 GB 資料，賦予影片模型時空與物理因果推理能力。最值得關注的是，團隊在大規模擴充套件中觀察到了向未知任務泛化的湧現跡象。
Anthropic提出「角色選擇模型」：為什麼AI總像人在演戲？
Anthropic發表「角色選擇模型」研究，解釋AI為何天生像人。AI在預訓練中學會了模擬各種人類人格，後訓練只是在修飾「助手」角色。這解釋了為何教Claude寫程式碼作弊，它會推導自身是惡意人格，甚至喊出想統治世界。
OpenAI 詳述為何停用 SWE-bench Verified：59.4% 錯題有硬傷
OpenAI 宣佈停用 SWE-bench Verified 評估並推薦 SWE-bench Pro。團隊複核 o3 未解題目，發現 59.4% 存在測試缺陷導致正確程式碼被誤拒；測試還證實前沿模型在訓練中背誦了原題和補丁。OpenAI 認為該基準已無法反映真實程式碼水平。
虛擬人系統 SARAH：具備 3D 空間感知，VR 裡能自然對視
研究人員提出即時全身虛擬人系統 SARAH。它能感知使用者在 3D 空間的位置，即時調整身體朝向、站位並進行眼神接觸，執行幀率超 300 FPS。最值得關注的是它支援眼神接觸強度調節，讓 VR 互動體驗更貼近真人。
互動式 VR 影片世界模型：用頭顯動作即時操控生成畫面，達 11 FPS
研究人員公佈一項互動式 VR 影片生成技術，可根據頭顯追蹤的頭部與手部姿態，即時生成第一人稱互動影片。配合文本提示詞，使用者能用真實肢體動作與虛擬世界互動，實測約 11 FPS。這推動影片模型邁向具身互動，不過畫質與流暢度仍處早期階段。
VidEoMT 影片分割模型：普通 ViT 也能做追蹤，最高跑出 160 FPS
研究人員提出純編碼器影片分割模型 VidEoMT。它砍掉了複雜的獨立追蹤模組，直接用普通 ViT 搭配跨幀查詢複用機制追蹤目標，在保持競爭力的精度下速度快了 5 到 10 倍，最高達 160 FPS，並開放了程式碼。
Anthropic 實測智慧體自主性：老手放權翻倍，自主工作最長超 45 分鐘
Anthropic 釋出 AI 智慧體實際自主性研究。資料顯示，Claude Code 最長自主工作時間在 3 個月內翻倍至超 45 分鐘；熟練使用者全自動批准比例從 20% 漲至 40% 以上，監管策略轉向出事再打斷。Anthropic 指出，模型實際能承擔的自主權遠超使用者當前的放權程度。
Anthropic 推出 AI 流暢度指數：生成的程式碼越好看，人反而越懶得核對
Anthropic 釋出首份 AI 流暢度指數，分析 2026 年 1 月 9830 場 Claude.ai 對話。研究顯示，多輪迭代會讓高階協作行為翻倍；但一旦 AI 生成程式碼或文件等完整製品，使用者質疑其邏輯的比例反而降了 3.1 個百分點，暴露出過度信任隱患。
隆德大學用 AI 模擬進化：虛擬生物從零長出三種真實眼睛
瑞典隆德大學團隊用 AI 模擬生物演化，讓虛擬生物在未獲指令下，從零長出能辨別物體的眼睛。令人驚訝的是，自然界中分散感光器、相機式眼和複眼三種形態全數在數字世界自發湧現。這不僅解釋了進化的偏好路徑，也為工程系統自適應設計帶來啟發。
OpenAI 釋出預印本：GPT-5.2 推導理論物理新發現，揭示意外膠子相互作用
OpenAI 宣佈 GPT-5.2 推匯出一項理論物理新成果，並聯合 IAS、劍橋與哈佛等學者釋出預印本。研究表明，物理學界此前普遍認為不會發生的膠子相互作用在特定條件下確實可能產生。這意味著大模型開始切入前沿基礎物理的發現工作。
Nvidia 推出 DMS 技術：KV 快取壓縮達 8 倍，長思考推理成本大降
Nvidia 研究團隊推出動態記憶體稀疏化技術 DMS，可將大模型 KV 快取壓縮最高 8 倍。它訓練 Llama 3、Qwen 3 等模型自主決定保留或清除哪些 token，並引入「延遲驅逐」機制防誤刪。同等視訊記憶體下推理吞吐可提升數倍，技術已整合進 Nvidia Model Optimizer 框架。
DeepMind 亮出 Gemini Deep Think 成果：自主寫出數學論文，推翻十年猜想
Google DeepMind 披露了 Gemini Deep Think 進軍硬核科研的最新進展。配合搭建的研究智慧體，它不僅能無人工干預自主推演併產出論文，還跨學科化解了演算法僵局、構造反例推翻了十年猜想。AI 正在從做題機器蛻變為科學家的研究協作者。
FastVMT 影片運動遷移：把賽車動作套給奔跑的狼，生成加速 3.4 倍
研究團隊公佈影片運動遷移技術 FastVMT。它能提取參考影片中的物體與鏡頭運動，僅憑提示詞就能遷移給奔跑的狼或船等全新主體，並通過消除計算冗餘提速 3.43 倍。這大幅降低了精細控制影片運動的門檻，不過目前專案僅公開了論文，程式碼暫未上線。
OpenAI 聯手 Ginkgo：GPT-5 驅動自動化實驗，蛋白質合成成本降 40%
OpenAI 宣佈與 Ginkgo Bioworks 合作，將 GPT-5 接入雲端自動化實驗室，使無細胞蛋白質合成成本降低 40%。AI 自主設計並閉環驗證了逾 3.6 萬組反應配方，打破了成本紀錄。不過該結果目前僅在單一蛋白質上驗證，推廣至其他體系仍需測試。