MIT 推出 FrameDiff：用擴散模型生成自然界沒有的蛋白質結構
MIT CSAIL 團隊釋出用於設計蛋白質結構的計算工具 FrameDiff。它將常用於 AI 畫圖的擴散模型與微分幾何中的「框架」結合，能不依賴既有預訓練預測模型直接生成蛋白質骨架。最值得關注的是，這種生成方式能擺脫自然界限制，為靶向給藥和疫苗設計合成全新結構。
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
斯坦福研究警告：AI 檢測器歧視非母語者，超半數託福作文被誤判
斯坦福大學團隊在《Patterns》發表研究，測試 7 款熱門 AI 檢測器發現，超半數非母語者的託福作文被誤判為 AI 生成，其中一款誤判率達 98%。檢測器因詞彙簡單且困惑度低而誤判，這種偏見反而倒逼非母語者用 ChatGPT 潤色自證清白。
OpenAI 成立超級對齊團隊：押上 20% 算力，四年內解決失控風險
OpenAI 宣佈成立「超級對齊」團隊，由首席科學家 Ilya Sutskever 和 Jan Leike 共同牽頭。團隊計劃在未來四年投入已掌握算力的 20%，目標是造出人類水平的自動化對齊研究員，用 AI 監督更聰明的 AI。OpenAI 認為超級智慧可能在十年內到來，人類必須趕在失控前找到可擴充套件的控制方案。
Insilico 生成式 AI 候選新藥進 2 期臨床：耗時僅需三分之一
Insilico Medicine 宣佈其完全由生成式 AI 輔助發現的特發性肺纖維化候選藥物進入 2 期臨床試驗。團隊用 Pharma.AI 貫穿靶點發現到分子生成全流程，耗時僅需傳統研發的三分之一，花費也只要十分之一。該藥將在中美兩國患者中開展測試。
EPFL 研究：近半數資料標註員偷偷用 ChatGPT「代工」
EPFL 研究發現，Amazon Mechanical Turk 上 33% 到 46% 的零工標註員正使用 ChatGPT 代工完成標註。這種用 AI 生成資料再訓 AI 的做法可能放大錯誤與幻覺，且極難追溯。目前行業仍缺乏區分人機標註的有效手段。
堪薩斯大學開發學術 AI 偵測器：識別 ChatGPT 論文準確率超 99%
堪薩斯大學團隊訓練出一種機器學習演算法，專門識別 ChatGPT 撰寫的學術論文，整篇識別準確率達 100%，段落級達 92%。它主要通過詞彙豐富度、段落長度和標點差異來判別。不過測試樣本量較小，對人類微調過的文本識別能力仍存疑。
NVIDIA 釋出 Neuralangelo：用一段影片還原高精度 3D 場景
NVIDIA 推出 3D 重建模型 Neuralangelo，能將普通多角度 2D 影片直接轉化為高精度 3D 資產。它借鑑了 Instant NeRF 的底層技術，能精細還原大理石紋理與建築細節，大幅降低遊戲開發與數字孿生的建模門檻，程式碼已在 GitHub 開源。
科學家用 AI 發現新型抗生素：一個半小時篩出超級細菌剋星
美加研究人員利用 AI 篩選藥物分子，僅用一個半小時就從 6680 種未知化合物中圈定候選名單，最終發現能精準殺滅致命超級細菌的新型抗生素 abaucin。該藥僅針對目標病菌有效，不易產生耐藥性，但距 2030 年臨床應用仍有漫長實驗要走。
AI 新研究 DragGAN 亮相：滑鼠點選拖拽，幾秒內重構畫面
研究人員公佈影像操控工具 DragGAN。使用者只需在圖片上設定控制點並拖拽，AI 就能在幾秒內重新生成內容，甚至支援 3D 旋轉和補全遮擋細節。這意味著精準控制生成影像不再全靠抽卡提示詞，不過該技術目前仍處於論文演示階段。
UT Austin 打造「讀腦」AI：不插電極，靠 GPT 讀出腦中想法
得克薩斯大學奧斯汀分校團隊在《自然-神經科學》發表成果，利用 fMRI 掃描與 GPT 模型，首次非侵入式將人腦活動解碼為連續文本。系統能抓住受試者聽到甚至想像的語義大意，有望幫失語患者發聲，但團隊也提醒需防範思維隱私風險。
OpenAI 探索「一致性模型」：單步完成影像生成，速度快一個數量級
TechCrunch 報道 OpenAI 發表「一致性模型」（Consistency Models）論文，嘗試用一到兩步計算完成影像生成。傳統擴散模型需要數十至上千步去噪，而新模型能在單步內搞定生成、上色或超分，速度快一個數量級。雖然初期畫質較粗糙，但為手機端側執行和即時生圖打開了新方向。
新研究發現 GPT-4 資料標註超越頂級人工：省下 50 萬美元與 2 萬工時
Carnegie Mellon、Yale 與 UC Berkeley 研究團隊公佈新發現，GPT-4 在資料標註任務上的表現超越了高水平眾包工人。面對 572,322 個文本場景標註，團隊改用 GPT-4 僅花費不到 5,000 美元，省下超 500,000 美元和 20,000 小時工時。AI 標籤與專家更吻合，直接動搖了傳統資料標註產業。
斯坦福提出生成式智慧體：25 個 AI 在沙盒裡開派對、競選市長
斯坦福大學團隊提出生成式智慧體架構，將記憶、反思與規劃引入大模型。研究人員把 25 個由 ChatGPT 驅動的智慧體放入類似《模擬人生》的虛擬小鎮，它們不僅自發辦派對、參選市長，在評測中甚至被認為比真人扮演更像人類。
蘋果公佈 FaceLit：僅憑 2D 照片生成可自由打光的 3D 人臉
Apple 研究團隊公佈生成框架 FaceLit。它無需人工標註或複雜採集裝置，直接從普通 2D 影像學習生成 3D 人臉，並結合反射模型實現自由調節光照與視角，在 FFHQ 資料集上創下 3.5 的 FID 成績。
用真實人腦細胞做計算：科學家提出「類器官智慧」路線圖
週二，John Hopkins University 牽頭的科研團隊在《Frontiers》發表論文，提出結合 3D 人腦類器官與腦機介面的「類器官智慧」概念。研究團隊希望利用人腦超百億神經元的連線方式突破矽基晶片物理極限，用於醫學和新一代生物計算，但目前仍處在早期探索階段。
研究證實擴散模型會「死記硬背」：Stable Diffusion 能直接復現原圖
Google Brain 與 UC 伯克利等機構釋出研究，證實 Stable Diffusion 和 Imagen 等擴散模型會記憶訓練資料，特定提示詞會直接復現受版權保護的原圖。雖然測試中復現率僅 0.03%，但隨著模型變大，侵權與隱私洩漏風險將顯著上升。
Google 釋出音樂生成模型 MusicLM：文字直接變編曲，但暫不開放
Google 研究人員公佈新 AI 模型 MusicLM，能將文字描述轉化為高保真音樂。它用 28 萬小時音訊訓練，甚至能串聯多個提示詞生成數分鐘樂曲。不過測試發現約 1% 的內容直接複製了訓練音訊，出於版權風險考量，Google 暫不打算將其公開發布。
Salesforce 研發語言模型 ProGen：從零設計人造蛋白質，活性媲美天然進化
Salesforce 聯合加州大學團隊利用語言模型 ProGen 從零設計出全新蛋白質，成果發表於《自然-生物技術》。該模型在 2.8 億個蛋白質上訓練，把胺基酸當作單詞來預測序列，合成樣本中 73% 具備活性且成功殺死大腸桿菌。這意味著生成式 AI 能直接參與生物分子設計與新藥研發。
UCLA 研發寬頻光學 AI 處理器：靠千種光波並行，以光速算矩陣
IEEE Spectrum 報道 UCLA 團隊開發出寬頻衍射光學處理器，用光子替代電子執行計算。該系統通過波長複用，能以光速同時處理數千個波長通道的矩陣運算，除光源外幾乎不耗電，有望化解 AI 算力的能耗危機。
別隻顧著畫圖：科學家正用 AI 破譯動物語言
據世界經濟論壇報道，非營利組織 Earth Species Project 等團隊正利用 AI 解析動物聲音及生態聲學資料，嘗試破譯動物之間的溝通方式。研究人員表示，這項研究旨在理解動物需求以輔助生態保護，並嘗試實現雙向跨物種溝通。