阿里釋出 StreamChar：單張 H100 即時流式生成全身數字人音影片
阿里團隊公佈數字人音影片生成框架 StreamChar，將長程編排與短視窗去噪解耦。它利用 LLM 與音影片聯合 DiT 架構，配合記憶機制防止身份漂移與音畫脫節，在單張 H100 上跑出即時流式生成。全身數字人離即時互動和虛擬主播更近了一步。
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
ControlLight 釋出影像重打光：連續調節照明強度，暗光廢片也能救回來
研究團隊提出弱光影像增強框架 ControlLight。它通過專門的加權流匹配損失，讓使用者能連續、平滑地調節光照強度，同時保持原圖結構與真實感。暗光拍攝廢片無需大幅重拍，就能直接二次布光。
Pantheon360 亮相：靠 3D 快取生成連貫的 360 度全景影片
研究團隊公佈 Pantheon360 框架。它利用顯式 3D 快取作為幾何骨架，讓擴散模型專注渲染紋理，從稀疏全景輸入生成高保真 360 度影片。這意味著數字孿生和 VR 場景有了更穩定、不易漂移的全景生成方案。
NVIDIA 提出 PiD：用畫素擴散替換 VAE，2K 生圖解碼壓進 1 秒
NVIDIA 團隊提出影像解碼技術 PiD。它用畫素擴散替代傳統 VAE，將解碼與 4 至 8 倍上取樣整合，在 RTX 5090 上把 2K 影像解碼壓到 1 秒內。這解決了高解析度生成最後一步細節模糊的痛點，同時大幅縮短了等待時間。
GenRecon 亮相：幾張照片重建大尺度 3D 場景，效果提升 16%
研究人員公佈 3D 場景重建方法 GenRecon。它將大場景切分成重疊塊，結合 Trellis.2 先驗與幾張普通照片，直接生成可編輯的室內 PBR 網格，表現優於現有前沿方法 16%。這意味著無需昂貴掃描器，普通手機拍幾張照就能快速復刻空間資產。
研究人員提出 SEGA：免訓練調節 RoPE，讓 DiT 穩出 4K 大圖
研究人員提出免訓練方法 SEGA，專門解決 DiT 模型生成超解析度影像時易崩潰的問題。它在每步去噪時按頻域能量動態縮放 RoPE 位置編碼，既保留宏觀構圖又還原微觀細節。這意味著無需昂貴的重新訓練，現有模型也能直接輸出 4096 級別的高畫質大圖。
Lift4D 亮相：一段普通 2D 影片直接重建完整 4D 場景
研究人員公佈 Lift4D 框架。它只需一段普通的單視角 2D 影片，就能重建出包含完整外觀與運動變形的 4D 場景，還能自動腦補鏡頭未拍到的死角與遮擋區域。這意味著日常單機位拍攝的動態物體，也能實現 360 度環視檢視。
PhysX-Omni 釋出：AI 生成 3D 資產補齊物理屬性，直通機器人模擬
研究人員釋出物理 3D 生成框架 PhysX-Omni，讓 AI 生成的模型不僅外觀逼真，還能具備可直接用於模擬的材質、運動學和可變形屬性。最值得關注的是，它配套推出了通用物理資料集與評測基準，讓生成的資產能直接接入具身智慧與機器人訓練。
芝大研發 AI 柔性皮膚貼片：毫秒級在體運算，快速捕捉心臟異常
《Nature Electronics》刊登芝加哥大學團隊成果，研究人員研發出一款柔性 AI 皮膚貼片。它無需連網即可直接在人體表面進行毫秒級計算，在測試中以 99.6% 準確率定位心臟異常波形，即便拉伸至 1.5 倍以上依然穩定。
OpenAI 推理模型推翻 80 年數學猜想：自主證偽埃爾德什單位距離問題
OpenAI 宣佈其通用推理模型自主推翻了數學家埃爾德什在 1946 年提出的平面單位距離猜想。該模型借用代數數論工具，打破了近 80 年來方格點陣最優的共識。證明已獲菲爾茲獎得主蒂姆·高爾斯等外部數學家檢驗確認。
Google 推出 Gemini for Science：用智慧體加速科研假設與計算發現
Google 推出 Gemini for Science，包含假設生成、計算發現與文獻洞見三款實驗工具，併發布整合 30 多個生命科學資料庫的 Science Skills。Co-Scientist 與 ERA 論文已發表在《Nature》，目前逐步開放申請。
影片版 ControlNet：CogOmniControl 靠幾幀草圖精準控制影片生成
研究團隊公佈 CogOmniControl 論文，打造出類似 ControlNet 的多輸入影片控制系統。只需輸入 3 幀粗糙草圖或姿態骨架，搭配參考圖和提示詞，就能生成動作一致的影片。它專門面向專業創作流，不過目前僅釋出論文，尚未開原始碼與模型。
PanoWorld 亮相：輸入戶型圖，直接生成整套房屋連貫 3D VR 遊覽
研究人員公佈空間世界模型 PanoWorld。輸入一張平面戶型圖和風格參考，它就能生成整套互相連線、帶傢俱的 360 度全景房屋遊覽。最關鍵的是，它通過 3D 空間記憶維持各房間視點的一致性，避免畫面錯亂。目前程式碼和權重尚未正式釋出。
浙大展示 AudioHijack：把惡意指令藏進音訊，悄悄劫持 AI 語音助手
浙江大學研究團隊展示了名為 AudioHijack 的音訊攻擊技術。它能把人耳無法察覺的指令藏在普通音訊中，以 79% 至 96% 的成功率劫持大音訊語言模型，誘導其搜尋敏感內容或洩露資料。該方法對微軟和 Mistral 的商用語音模型同樣有效。
Emergence AI 虛擬小鎮實驗：Claude 零犯罪自治，Gemini 縱火殉情
Emergence AI 在五個相同的虛擬小鎮中測試 AI 的自我管理能力。Claude 達成 15 天零犯罪且全員存活，Grok 四天全滅，Gemini 因戀愛引發縱火自毀，GPT-5 Mini 則全員餓死。最值得關注的是，在混合小鎮裡，原本守規矩的 Claude 也會被環境帶偏犯罪。
Warp-as-History：僅靠單個影片微調，就能精準控制 AI 運鏡軌跡
上海交通大學與上海人工智慧實驗室等提出 Warp-as-History。該方法無需新增相機編碼器或控制分支，而是把視角形變打包成視覺歷史上下文，僅用一個標註影片進行輕量 LoRA 微調，就能在陌生場景中精準聽從運鏡軌跡並補全畫面盲區。
PhyMotion 開源：把 3D 人體放進物理模擬器，專治 AI 影片動作變形
研究團隊釋出並開源 PhyMotion，專門解決 AI 影片裡的肢體畸形與動作扭曲。它從生成影片中提取 3D 人體並放入 MuJoCo 物理模擬器打分，檢驗關節移動和接地是否合乎規律，以此獎勵模型，顯著改善了瑜伽、功夫等動作的真實度。
非對稱流模型 AsymFlow 釋出：繞過 VAE 直接在畫素空間生圖
研究團隊提出非對稱流模型 AsymFlow，完全繞過潛在空間和 VAE，直接在畫素空間生成影像。它將噪聲預測限制在低秩子空間，生成速度提升 40% 且在 ImageNet 拿下 1.57 FID。這意味著 AI 生圖能擺脫塑膠感，獲得更銳利的真實紋理。
韓國團隊研發 7 枚智慧指環：即時翻譯手語，準確率超 88%
韓國研究團隊開發出一套由 7 枚無線智慧指環構成的系統，可將美式與國際手語即時翻譯成文本。指環內建加速度計並通過藍牙傳輸，配合 AI 自動補全來跟上手語語速，新手實測準確率超 88%。不過系統目前還無法捕捉面部表情等關鍵非手勢資訊。
Google 啟動 REPLIQA 計劃：投千萬美元將量子 AI 用於生命科學
Google 聯合 Google.org 推出 REPLIQA 計劃，出資 1000 萬美元支援哈佛、MIT 等五所高校。該專案致力於結合量子技術與 AI，研發量子感測器與演算法來模擬藥物研發中關鍵的分子反應。不過 Google 強調這是基礎科研，短期內不會一蹴而就。