VideoJAM 影片生成框架：聯合建模外觀與運動，破解 AI 物理動態失真
研究人員提出影片生成框架 VideoJAM，解決 AI 影片物理失真與運動不連貫的問題。模型同時學習外觀與運動的聯合表徵，推理時用自身運動預測引導生成。該框架能適配任意影片模型，在複雜動態測試中表現優於 Sora 等閉源產品。
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
研究團隊提出 MatAnyone：首幀點選一下，複雜影片也能精細摳圖
研究團隊推出影片摳圖框架 MatAnyone。針對複雜背景容易失真的難題，模型引入區域自適應記憶融合機制，使用者只需在首幀點選標記目標，系統就能在後續影片中保持語義穩定並保留髮絲級邊緣細節。這項研究已被 CVPR 2025 接收。
耶魯大學開發 AI 新工具：看一眼心電圖照片，就能預測心衰風險
耶魯大學醫學院 CarDS 實驗室宣佈開發出一款 AI 工具，只要輸入標準 12 導聯心電圖的照片或影像，就能在出現明顯症狀前預測心衰風險。該模型已在美國、英國和巴西等多國人群中完成驗證，大幅降低了常規篩查門檻。
微軟登上 Nature：開源生成式材料設計模型 MatterGen
微軟在《Nature》發表論文並以 MIT 協議開源材料生成模型 MatterGen。與過去在已知資料庫裡篩選不同，它能根據力學、電磁等效能要求，像畫圖一樣直接生成全新晶體結構。團隊已聯手中科院深圳先進院成功合成了全新材料 TaCr2O6，實測效能與設計目標誤差不到 20%。
擴散模型推理擴充套件新研究：不止增加去噪步數，算力堆對地方畫質大漲
arXiv 上發表的一項研究探索了擴散模型的推理算力擴充套件。以往單純增加去噪步數在幾十步後收益見頂，該研究轉為構建驗證器與搜尋演算法尋找更優質的取樣噪聲，讓生成時投入的算力能持續轉化為畫質提升。
Keras 之父創辦新實驗室 Ndea：押注程式合成，探索 AGI 新路徑
Keras 之父 François Chollet 宣佈聯手 Zapier 聯合創始人 Mike Knoop 創辦新實驗室 Ndea。該機構不走純大模型暴力縮放的老路，而是將深度學習與「程式合成」結合，試圖讓 AI 像人類一樣高效推理和自我迭代。Chollet 認為，程式合成如今正處於類似 2012 年深度學習爆發前夕的關鍵節點。
AI 從頭設計蛋白質解蛇毒：小鼠存活率最高達 100%
諾獎得主 David Baker 團隊在《自然》發表成果，用深度學習設計出能中和蛇毒的全新蛋白質。該分子能精準攔截致命的三指毒素，小鼠存活率達 80% 至 100%。它可用微生物低成本量產，不過目前尚無法應對全成分毒液，短期內仍需配合傳統血清使用。
Sakana AI 提出 Transformer²：像活腦一樣即時調整權重，效能反超 LoRA
Sakana AI 釋出自適應架構 Transformer²。它先分析任務需求，再通過強化學習訓練的奇異值微調動態調整模型權重。其引數量遠少於 LoRA，卻在數學、程式碼與視覺任務中全面佔優，甚至支援跨模型複用能力。
Netflix 提出 Go with the Flow：不改模型架構，靠噪聲扭曲精準控制影片運鏡
Netflix 與 Eyeline 團隊提出影片擴散控制方案 Go with the Flow。該方法無需修改模型架構與訓練管線，僅在資料端通過光流場對潛空間噪聲進行即時扭曲取樣，就能實現區域性物體運動、全域性運鏡及動作遷移，同時維持逐幀畫質。
Google DeepMind 組建新團隊：原 Sora 負責人帶隊造「世界模型」
前 OpenAI Sora 聯合負責人 Tim Brooks 宣佈在 Google DeepMind 組建新團隊，研發模擬物理世界的生成模型。團隊將結合 Gemini、Veo 與 Genie 的成果，探索具身智慧規劃與即時互動生成。DeepMind 認為這是通往 AGI 的關鍵路徑。
Meta 探索生成式推薦系統：把內容推薦做成「下一詞預測」
Meta 研究人員近期釋出兩篇論文，提出 LIGER 和 Mender 兩項生成式檢索技術。系統將內容推薦轉化為類似語言模型的序列預測，不僅讓儲存和推理成本保持穩定，還能用大模型提煉隱式偏好，改善傳統新內容的冷啟動難題。
新架構 Titans 引入神經長期記憶：突破 200 萬上下文且兼顧速度
研究人員在 arXiv 釋出新架構 Titans。它把注意力機制當短期記憶，配合可在測試時學習的神經長期記憶模組，在保持快速並行訓練與推理的同時，將上下文擴充套件至 200 萬 token 以上，表現超越傳統 Transformer。
Ilya Sutskever 現身 NeurIPS：資料已見頂，傳統預訓練必將終結
OpenAI 前首席科學家 Ilya Sutskever 在 NeurIPS 發表演講。他指出網際網路高質量資料已經見頂，類似化石能源一樣有限，現有的預訓練模式必定走向終結。未來 AI 必須靠有限資料進行真正推理，並轉向具備自主決策能力的智慧體。
Anthropic 公佈「Best-of-N」越獄研究：跨模態繞過模型安全防線
Anthropic 宣佈最新合作研究「Best-of-N Jailbreaking」。研究團隊發現了一種簡單通用的越獄手段，不僅能繞過前沿 AI 模型的安全機制，還能同時跨越文本、視覺和音訊模態生效。
Anthropic 釋出 Clio：在保護隱私的前提下看清使用者怎麼用 Claude
Anthropic 公佈隱私保護分析系統 Clio（現稱 Anthropic Insights）。它讓 Claude 自行提煉並聚類數百萬條真實對話，人工分析師只能看到脫敏後的宏觀主題，以此摸清真實用法並排查批次濫用。最值得關注的是，這讓平臺在不窺探使用者隱私的前提下，也能捕捉新型安全隱患。
IBM 突破共封裝光學技術：大模型訓練提速 5 倍，能耗降 80%
IBM 公佈共封裝光學（CPO）突破，推出首個聚合物光波導原型。該方案用光路替代伺服器間銅線，能將大模型訓練速度提升最多 5 倍、能耗降低 80% 以上。這項技術已通過全部製造應力測試，意在徹底解決 GPU 等待資料傳輸的空閒痛點。
Sakana AI 推出通用記憶模型：讓模型學會遺忘，支援零樣本跨模態
Sakana AI 推出神經網路注意力記憶模型 NAMMs，模仿人類大腦機制讓模型主動剔除冗餘 token。該系統通過演化演算法最佳化注意力矩陣，在壓縮視訊記憶體的同時提升了長文本推理表現，還能零樣本直接遷移到視覺和強化學習模型中。
NVIDIA 推出自由視角模型 QUEEN：任意角度看影片，還能流式傳輸
NVIDIA 聯合馬里蘭大學公佈 AI 模型 QUEEN。該模型通過複用靜態背景、只重構動態內容，在 GPU 上實現了每秒約 350 幀的渲染速度。這意味著觀眾未來能從任意角度看比賽直播，也能輔助遠端遙控機器人，程式碼即將開源。
TARFlow 讓歸一化流重獲新生：借力 Transformer，生成質量追平擴散模型
研究團隊提出結合自迴歸 Transformer 的歸一化流架構 TARFlow，讓這一長期被擴散模型壓制的範式重獲新生。它採用單一可逆網路和最大似然目標，在保持完全可逆特性的同時，樣本質量追平擴散模型，並能擴充套件至影像與影片生成。
Google 釋出量子晶片 Willow：攻克近 30 年糾錯難題
Google 釋出最新量子晶片 Willow。該晶片在增加量子位元時成倍降低錯誤率，攻破了困擾學界近 30 年的「低於閾值」量子糾錯難題；在標準基準測試中，Willow 用不到 5 分鐘就完成了當前頂級超算需要 10^25 年才能完成的計算任務。