哈佛與牛津推出 EVEscape：預測病毒變異，提前設計抗突變疫苗
週三，哈佛醫學院與牛津大學團隊在《Nature》釋出 AI 工具 EVEscape。它結合演化序列與生物結構資訊，能在變異株出現前預判哪些突變最危險、最易逃逸免疫系統，比傳統實驗更快更高效，旨在輔助研發防患於未然的疫苗與療法。
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
Meta 聯手 Inria 推出 Stable Signature：把不可見水印直接刻進 AI 模型
Meta FAIR 聯手 Inria 開源了影像水印技術 Stable Signature。它打破了生成後再打水印的舊做法，直接在模型解碼器中植入不可見水印，即便裁剪、壓縮或用 ControlNet 微調也難以抹除。最關鍵的是，它將誤報率壓低至極低水平，能精準溯源 AI 假圖。
馬里蘭大學實測 AI 水印：隱形水印被全數破解，還能偽造誤報
馬里蘭大學研究團隊釋出預印本論文，測試並破解了目前市面上所有的 AI 影像水印方法。攻擊者不僅能輕易洗掉肉眼不可見的隱形水印，還能給人類拍攝的照片強加水印造成誤報。這意味著科技巨頭押注的水印防偽，遠沒有想像中可靠。
Invenio 把 AI 搬進手術室：3 分鐘出活檢分析，告別數週等待
醫療初創公司 Invenio 聯合 NVIDIA 推出手術室級 AI 活檢系統。它基於 Jetson Orin 邊緣計算，在手術檯旁僅用 3 分鐘就能完成新鮮組織切片分析，識別癌細胞並輔助判斷切除範圍，將以往耗時數週的病理送檢流程大幅壓縮。
Carmack 聯手強化學習之父 Sutton：要在 2030 年前做出真正的 AGI
傳奇程式設計師 John Carmack 創立的 Keen Technologies 與強化學習之父 Richard Sutton 宣佈達成合作。兩人打算繞開主流路線，從智慧體與時間維度切入，目標是在 2030 年前打造出真正的 AGI 原型並記錄生命跡象。
DeepMind 釋出 AlphaMissense：用 AI 預測 7100 萬個基因突變致病性
Google DeepMind 在《科學》雜誌公佈新模型 AlphaMissense，能預測 7100 萬個人類 DNA 錯義突變是否致病。它基於 AlphaFold 微調而來，旨在幫醫生快速排查罕見病病因。不過出於生物安全顧慮，團隊未公開模型權重。
CZI 斥資搭建千卡 H100 叢集：用生成式 AI 搞醫學研究與「虛擬細胞」
Chan Zuckerberg Initiative 宣佈資助搭建包含 1000 多塊輝達 H100 的計算叢集。該系統旨在通過生成式 AI 構建模擬健康與患病狀態的「虛擬細胞」，幫助科學家預測人體對疾病或新藥的反應。最值得關注的是，CZI 打算將這些細胞模型公開發布，降低科研人員使用頂尖 AI 算力的門檻。
DeepMind 提出 OPRO：讓大模型自己迭代最佳化 Prompt
DeepMind 研究團隊在一篇新論文中提出 OPRO 方法，直接把大模型當作最佳化器。這項技術用自然語言描述任務並記錄歷史得分，讓模型自主摸索規律，在沒有形式化數學公式的情況下迭代尋找更優解，尤其擅長自己調優提示詞以提升準確率。
MIT 推出 Style2Fab：打字就能魔改 3D 列印模型，還不壞功能
MIT 研究團隊公佈生成式 AI 工具 Style2Fab，使用者只需輸入文字提示詞，就能直接自定義 3D 列印模型的外觀。系統會自動將模型拆解為功能部分和裝飾部分，在保留原本結構特性的同時生成新紋理與造型。新手無需掌握複雜 CAD 也能輕鬆改裝模型。
視網膜影像測全身病：新 AI 還能預測帕金森和心衰
9 月 13 日《自然》報道，科學家研發出一套 AI 工具，僅憑視網膜影像就能診斷眼疾，並預測心力衰竭與帕金森氏症等多項全身疾病的風險。這意味著普通眼底照相可能成為全身體檢的快速視窗。
DeepMind 打造多智慧體象棋系統 AZdb：擊敗 AlphaZero，解題量翻倍
Google DeepMind 團隊推出多智慧體系統 AZdb，把多個風格各異的 AlphaZero 組成戰隊。通過行為多樣性訓練，智慧體各自專精不同開局與陣型；在刁鑽的棋局難題中，其解題量達到單體 AlphaZero 的兩倍，實戰 Elo 積分提高 50 分。
前 Google CEO 籌建新機構：借鑑 OpenAI 模式，用 AI 攻克科研難題
據 Semafor 報道，前 Google CEO Eric Schmidt 正籌建一家非營利科研機構，借鑑 OpenAI 早期模式，用 AI 攻克生物與材料科學難題。他已挖來 Samuel Rodriques 和 Andrew White 兩名頂尖學者領銜，資金以個人出資為主，並承諾提供學術界罕見的算力與薪資。不過專案仍處早期，未來可能吸納外部資金。
加州大學伯克利分校用 AI 解碼腦電波：直接還原出一段 Pink Floyd 搖滾
加州大學伯克利分校研究人員利用 29 名癲癇患者聽歌時的腦電波訊號，訓練 AI 重建了 Pink Floyd 的經典歌曲片段，聲譜圖相似度達 43%。這項研究揭示了大腦對音樂音調和節奏的處理方式，未來有望讓語言障礙患者的語音合成裝置告別機械音、聽起來更像真人。
創造力測試揭曉：ChatGPT 原創性得分躋身人類前 1%
蒙大拿大學團隊公佈測試結果，搭載 GPT-4 的 ChatGPT 在權威創造力測驗 TTCT 中，流暢度與原創性均位列前 1%，靈活性達前 3%。盲審機構未察覺其為 AI，表明大模型在發散思維上已能媲美甚至超越大部分人類。
NVIDIA 推出 FlexiCubes：可替代經典演算法，讓 3D 生成網格更精細
NVIDIA 介紹了 3D 網格生成新方法 FlexiCubes。它引入了可精細調節的柔性引數，能在基於最佳化的 AI 流水線中直接替代傳統的 Marching Cubes 演算法，大幅提高複雜幾何細節的還原度，且生成的網格可直接投入物理模擬。
靠聽打字聲偷密碼：AI 識別鍵盤按鍵準確率超 90%
英國研究團隊訓練出一套 AI 系統，僅憑打字聲音就能識別按下的鍵位。在手機近距離錄音下準確率達 95%，即便通過 Zoom 通話錄音也有 93%。也就是說，開影片會時順手敲密碼已存在洩密風險，研究者建議儘量開啟兩步驗證或用生物識別替代純鍵盤輸入。
Nvidia 推出生圖個性化方法 Perfusion：僅 100KB、訓練只要 4 分鐘
Nvidia 聯手特拉維夫大學公佈影像微調方法 Perfusion。其模型體積僅 100KB、訓練耗時 4 分鐘，採用「Key-Locking」機制將新概念錨定在通用類別上，有效防止過擬合。最值得關注的是，相比動輒數 GB 的傳統微調模型，它讓極輕量、自然的個性化畫圖成為可能。
SHOW-1 模擬系統公佈：靠多智慧體與 GPT-4 自動做劇集
研究團隊公佈 SHOW-1 與 Showrunner 智慧體系統。系統結合多智慧體模擬與 GPT-4，能根據角色背景與使用者意圖自動生成整集《南方公園》風格動畫，通過模擬對抗重複套路。不過 AI 生成劇集仍需解決觀眾對真人創作者認同感的問題。
斯坦福與伯克利評估：GPT-4 出現行為漂移，部分數學測試表現下滑
斯坦福與伯克利研究團隊對比了 3 月與 6 月版本的 GPT-3.5 和 GPT-4，發現模型行為出現顯著漂移。其中 GPT-4 在質數識別和程式碼格式上表現明顯下滑，指令遵循能力有所減弱。這一發現印證了使用者對黑盒模型變鈍的懷疑，也暴露出模型持續更新時的不透明問題。
Meta 推出 CM3leon：兼顧文生圖與圖生文，訓練算力省 5 倍
Meta 展示了雙向多模態基礎模型 CM3leon，能同時處理文生圖與圖生文。該模型借鑑純文本語言模型的訓練策略，在零樣本 MS-COCO 測試中取得 4.88 的 FID 分數超越 Google Parti，且訓練算力比以往同架構方法低 5 倍。