跳到正文
IFAI

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。

近 7 天 13 則

  1. 傳播指數 31

    Sakana AI 推出自動化 CUDA 最佳化智慧體：PyTorch 程式碼自動轉寫加速

    Sakana AI 推出一套自動化 CUDA 核心發現與最佳化框架及基準 robust-kbench。該框架能將 PyTorch 程式碼轉寫為 CUDA 核心，並通過演化生成機制和大模型驗證器迭代最佳化底層效能。這意味著寫底層運算元最佳化的門檻大幅降低，繁重的工程調優可以交給 AI 自動完成。

  2. 傳播指數 35

    頂尖 AI 認錶盤慘敗：人類準確率 89.1%，最強模型僅 13.3%

    研究者 Alek Safar 釋出新基準 ClockBench，測試 11 款主流大模型看指標時鐘的能力。人類識別準確率達 89.1%，而表現最好的 Gemini 2.5 Pro 僅有 13.3%，中位誤差達 1 小時。最值得關注的是，AI 一旦認對時間就能算對，瓶頸出在純粹的視覺空間推理上。

  3. 傳播指數 32

    哈佛醫學院開源 PDGrapher：能揪出逆轉病變細胞的藥物組合

    哈佛醫學院團隊釋出開源 AI 工具 PDGrapher。它放棄傳統的單靶點測試，通過圖神經網路分析細胞內複雜通路，直接預測能讓病態細胞恢復健康的基因靶點與用藥組合。在 11 種癌症測試中，其預測速度較同類模型快 25 倍。

  4. 傳播指數 35

    OpenAI 解析大模型為何產生幻覺：現有評測機制逼著 AI 瞎猜

    OpenAI 釋出研究指出，大模型頻繁產生幻覺的主因在於現行評測只看準確率，變相鼓勵模型「瞎猜」而非承認不確定。就像選擇題留空得零分一樣，榜單獎勵了碰運氣的盲猜。OpenAI 呼籲修改基準，加大對自信錯誤的懲罰，並獎勵坦白承認不知道。

  5. 傳播指數 31

    DeepMind 揭開向量檢索硬傷：單向量撐不住複雜 RAG

    Google DeepMind 最新研究表明，現代 RAG 依賴的單向量檢索存在底層幾何容量上限，無法承載多文件重疊組合。新測試集 LIMIT 顯示，主流模型召回率甚至不足 20%，反而傳統 BM25 表現更好。光靠堆引數或微調已無法解決。

  6. 傳播指數 31

    騰訊推 R-Zero 訓練框架：大模型不靠人工標註也能自我進化

    騰訊 AI Lab 與聖路易斯華盛頓大學聯合提出 R-Zero 框架，讓大模型無需任何人工標註資料即可自我進化。該技術將模型拆分為「出題者」與「解題者」協同博弈，自動生成難度適中的遞進任務。測試中 Qwen3-4B 數學推理均分提升 6.49 分，大幅降低了推理模型的訓練門檻與資料成本。

  7. 傳播指數 31

    瓦薩大學研發智慧包裝：靠變色油墨與 AI 代替昂貴感測器

    芬蘭瓦薩大學研究人員公佈一項智慧包裝方案，將隨溫溼度變色的功能油墨與人工智慧演算法結合，無需昂貴電子元器件即可精準識別人眼難辨的微小顏色變化。該方案成本極低且便於回收，有望用於生鮮食品與藥品的即時保質監控。

  8. 傳播指數 44

    斯坦福最新研究：受 AI 衝擊崗位中，年輕打工人就業暴跌 16%

    斯坦福大學研究團隊基於 ADP 工資單資料釋出報告，顯示自 2022 年底以來，軟體開發與客服等受 AI 影響崗位中，22 至 25 歲年輕員工就業人數銳減 16%。相比老員工的隱性經驗，缺乏實戰的應屆生更容易被 AI 取代，行業人才梯隊或面臨斷層危機。

  9. 傳播指數 37

    OpenAI 聯手 Retro Bio：用 AI 重新設計山中因子，標誌物表達提升 50 倍

    OpenAI 與 Retro Biosciences 宣佈，利用生物學特化模型 GPT-4b micro 成功重新設計了山中因子蛋白變體。體外實驗顯示，新變體讓幹細胞重程式設計標誌物的表達量比野生型提高了 50 倍以上，且 DNA 損傷修復能力更強。該成果已在多種人類供體細胞上得到重複驗證。

  10. 傳播指數 31

    薩里大學釋出 PEnG：不用 GPS，靠普通單目相機實現 22 米定位

    英國薩里大學團隊釋出無 GPS 視覺定位系統 PEnG。它結合衛星圖與普通車載單目相機的街景畫面，在測試中把城市定位誤差從 734 米大幅壓縮到 22 米。最值得關注的是，這項技術能填補高樓和隧道等衛星訊號盲區，研究成果已開源並發表於 IEEE 期刊。

  11. 傳播指數 34

    CZI 釋出首個虛擬細胞推理模型 rBio：對話推演基因變化

    Chan Zuckerberg Initiative 釋出生物推理模型 rBio，首創利用虛擬細胞模擬進行訓練。它能將 TranscriptFormer 的基因資料轉化為自然語言推理，科學家用對話就能預測基因擾動結果，提前篩掉昂貴的溼實驗試錯。目前專長集中在基因擾動領域。

  14. 傳播指數 31

    Inclusion AI 推出新排行榜：直接把大模型拉進真實應用裡打分

    螞蟻集團旗下的 Inclusion AI 推出大模型基準 Inclusion Arena。不同於實驗室靜態跑分，它直接接入真實應用，在使用者日常對話中隨機觸發盲測，用演算法計算勝率。首期超 50 萬次對決中，Claude 3.7 Sonnet 和 DeepSeek v3 表現靠前。不過目前僅接入了兩款應用。

  16. 傳播指數 35

    MIT 用生成式 AI 設計全新抗生素：可殺滅耐藥淋病菌與 MRSA

    MIT 研究團隊在《Cell》發文，利用生成式 AI 演算法從 3600 萬種虛構化合物中篩選出兩款新型候選抗生素 NG1 和 DN1。它們能有效清除耐藥淋病菌與超級耐藥金黃色葡萄球菌，結構完全脫離現有抗生素框架，通過破壞細菌細胞膜開闢全新殺菌路徑。

  18. 傳播指數 31

    Meta FAIR 奪得 Algonauts 2025 冠軍：TRIBE 預測人腦反應

    Meta FAIR 團隊憑藉 10 億引數模型 TRIBE 在 Algonauts 2025 大腦建模競賽中奪冠。該模型融合了 Llama 3.2 與 V-JEPA 2 等基礎模型，能跨模態預測受試者看電影時的大腦 fMRI 訊號變化。目前程式碼與論文均已開源。

  19. 傳播指數 31

    格拉茨工大公佈定製蛋白設計法：用 AI 加速構建生物催化劑

    格拉茨技術大學團隊在 HelixMold 專案中開發出一種定製人工蛋白質的計算機設計方法。該方法結合引數化建模與 AI，能生成數萬種候選結構並精確塑造催化活性中心。這讓藥物活性成分合成與聚合物降解催化劑的設計變得更快、更精準。