Skin Tokens 突破 3D 繫結：連螃蟹和甲蟲也能一鍵自動生成骨骼與蒙皮
研究人員提出 Skin Tokens 及統一框架 TokenRig，能自動為 3D 模型估計骨骼與蒙皮。它不僅支援人形，連鳥類、甲蟲、螃蟹等複雜生物也能處理，蒙皮精度最高提升 133%。這意味著 3D 生成到動畫製作之間的關鍵瓶頸正在被打破。
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
Google 如何用 AI 搶救瀕危物種：13 種動物基因組已公開
Google 介紹了利用 AI 協助保護瀕危物種遺傳資訊的進展。藉助 DeepPolisher 等 AI 工具，團隊已協助測序 13 種瀕危物種並向科研界公開，未來還將資助擴充套件至 150 種，幫助科學家在物種滅絕前留存基因多樣性。
DeepMind 升級 Game Arena：引入狼人殺與德撲，測 AI 社交博弈
Google DeepMind 宣佈拓展 Kaggle Game Arena 平臺，新增「狼人殺」與「德州撲克」兩項基準，專門考察大模型在不完全資訊下的社交推理、語言協商與風險評估能力。在同步更新的國際象棋榜單中，Gemini 3 Pro 與 Flash 位列榜首。
Anthropic 聯手 Allen 與 HHMI：用 Claude 多智慧體搞生物科研
Anthropic 宣佈與艾倫研究所及霍華德·休斯醫學研究所達成合作，將 Claude 與多智慧體系統引入生命科學研究。合作將開發實驗室專用 AI 智慧體，協助多模態資料分析與實驗設計，力求把數月的人工分析縮短至數小時。
騰訊提出 InteractAvatar：數字人告別站樁，能拿手機戴耳機了
騰訊等團隊提出 InteractAvatar 框架，讓數字人不僅能說話，還能與周圍物體互動（如戴耳機、拿手機）。該框架支援連續指令與精確時間戳控制，解決了傳統數字人只能站樁口播的侷限。最值得關注的是，它讓虛擬人影片生成邁向了能與真實環境互動的新階段。
列印紙牌就能劫持自動駕駛：UC 團隊新攻擊讓 AI 車無視行人
UC Santa Cruz 研究人員公佈新型攻擊方法 CHAI。攻擊者無需黑進系統，只需在現實中擺放列印特定文字的標牌，搭載視覺語言模型的自動駕駛車與無人機就會將其當作指令執行，實測物理攻擊成功率超 87%。
EditYourself 影片編輯利器：改說話內容消除卡殼，無縫對齊口型
Pipio AI 等研究團隊推出影片編輯框架 EditYourself。它能直接修改影片中人物說話的內容，自動消除卡殼口吃，並無縫對齊口型且不留硬切痕跡。這意味著影片後期能像改文字一樣編輯臺詞，但也讓深度偽造更難分辨。
北大與谷歌推出 PaperBanana：用 5 個 AI 智慧體自動畫論文圖
北京大學與谷歌雲 AI 團隊釋出 PaperBanana，由檢索、規劃、設計、渲染和評審 5 個智慧體協同工作，可將研究文本自動生成出版級論文圖表。其在 NeurIPS 基準上的簡潔度超越基線 37%，還能直接美化人類手繪圖；不過目前在複雜流程連線上仍會出現偏差。
Anthropic 最新研究：用 AI 寫程式碼，程式設計師測試成績反而低 17%
Anthropic 公佈針對 52 名初級工程師的隨機對照實驗。結果顯示，用 AI 輔助學新工具雖然只快了約 2 分鐘，但隨後的技能測試均分比純手寫組低了 17%，除錯題差距最明顯。也就是說，單純讓 AI 代寫會導致思考外包；只有主動追問原理的人才能兼顧效率與技能掌握。
Google 釋出 AlphaGenome：1 Mb 超長序列預測，破譯非編碼 DNA 密碼
Google 團隊在《Nature》釋出統一 DNA 序列模型 AlphaGenome。它支援 1 Mb 輸入並在單鹼基解析度下跨 11 種模態預測基因調控，在 26 項變異效應評估中 25 項領先，大幅提升了對佔全基因組超 98% 的非編碼突變解讀能力。
ESA 用 AI 篩查哈勃近億張影像：兩天半揪出 800 多個未知天體
歐洲空間局天文學家公佈神經網路 AnomalyMatch。它在兩天半內篩查了哈勃檔案中近 1 億張影像切片，找出 1400 個異常天體候選，其中 800 多個為此前從未記錄的宇宙異常，包括引力透鏡和無法歸類的神秘天體。
Claude 開上火星：NASA 首次用 AI 為毅力號規劃 400 米路線
Anthropic 披露 NASA 噴氣推進實驗室使用 Claude 為火星車毅力號規劃了約 400 米的路線。AI 結合地貌影像用專用語言編寫指令，經模擬驗證後人類僅作微調。JPL 預計這能將路線規劃耗時縮減一半。
谷歌 DeepMind 釋出 D4RT：統一 4D 重建與追蹤，速度快達 300 倍
谷歌 DeepMind 釋出統一 4D 重建與跟蹤模型 D4RT。它把整段影片壓縮成全域性時空表徵，再通過並行查詢即時生成深度與運動軌跡，軌跡追蹤吞吐量比現有技術快出最高 300 倍。這意味著機器人和 AR 裝置有望以極低延遲即時看清並預判流動的物理世界。
可穿戴「AI 喉嚨」登 Nature 子刊：讀喉肌振動幫中風患者說出整句
研究團隊展示了一款可穿戴「智慧喉」。它通過織物感測器捕捉喉肌微弱振動與脈搏，藉助大模型將中風患者吃力的無聲發音即時擴寫為帶情緒的完整句子，詞錯率僅 4.2%。最值得關注的是它無需侵入式腦機植入，不過目前僅在小範圍受試者中完成概念驗證。
影片摳像模型 VideoMaMa：粗掩碼轉畫素級摳像，宣佈將開源
研究人員推出影片摳像模型 VideoMaMa，利用預訓練影片擴散模型的生成先驗，直接將粗糙的分割掩碼轉化為髮絲級精確的摳像。團隊還基於此構建了含超 5 萬條真實影片的資料集 MA-V 並訓練出 SAM2-Matte。所有模型與資料均將公開發布。
研究人員推出智慧體 VIGA：給一張圖，直接在 Blender 裡重建成 3D 場景
研究團隊推出多模態智慧體 VIGA，能把單張二維影像重構成 Blender 裡可完全編輯的 3D 場景程式。它通過交替多模態推理與上下文記憶，既能用幾何圖元從零搭場景，也能呼叫現有 3D 工具。基準測試顯示，其在 BlenderBench 上的綜合表現相比基線提升超 124%。
數字人模型 FlowAct-R1 釋出：延遲 1.5 秒，支援 25fps 即時無限長直播
研究團隊推出互動式數字人模型 FlowAct-R1，支援流式生成無限時長的數字人影片。它採用自迴歸架構與記憶機制，實現 25fps 的 480p 即時生成，首幀延遲約 1.5 秒且動作自然。這意味著低延遲數字人直播和即時互動邁出了關鍵一步。
3D 綁骨框架 RigMo 釋出：無需人工標註，自動給動物和物體加骨骼做動畫
研究團隊公佈 3D 動畫框架 RigMo 論文。它能直接從模型序列中推斷骨架與動作，無需人工標註骨骼，除了人形和鳥獸外，連風扇等物體也能準確繫結。相比 Uni-Rig 更穩且不易綁歪。目前程式碼與資料即將開源。
阿里提出 Thinking with Map：讓 AI 查地圖定位，500米準確率達 22.1%
阿里巴巴團隊提出影像地理定位框架 Thinking with Map，讓多模態模型像人類一樣查地圖推斷拍攝地。結合強化學習與並行搜尋，模型 500 米內定位準確率達 22.1%，是配備地圖搜尋的 Gemini-3-Pro 的 2.8 倍。
Sakana AI 智慧體奪冠 AtCoder：花 1300 美元擊敗 804 名人類
Sakana AI 宣佈其 ALE-Agent 在 AtCoder 啟發式程式設計賽 AHC058 中奪冠，擊敗 804 名人類選手。在 4 小時賽程中，智慧體耗費約 1300 美元算力併發呼叫多種前沿模型，自主推匯出超越出題人預期的最佳化演算法。這是 AI 首次在大型即時最佳化程式設計賽中獲勝。