阿里提出 Thinking with Map：讓 AI 查地圖定位，500米準確率達 22.1%
阿里巴巴團隊提出影像地理定位框架 Thinking with Map，讓多模態模型像人類一樣查地圖推斷拍攝地。結合強化學習與並行搜尋，模型 500 米內定位準確率達 22.1%，是配備地圖搜尋的 Gemini-3-Pro 的 2.8 倍。
AI科研 · 日報
週四
1月8日 星期四
週日
1月4日 星期日
Sakana AI 智慧體奪冠 AtCoder：花 1300 美元擊敗 804 名人類
Sakana AI 宣佈其 ALE-Agent 在 AtCoder 啟發式程式設計賽 AHC058 中奪冠，擊敗 804 名人類選手。在 4 小時賽程中，智慧體耗費約 1300 美元算力併發呼叫多種前沿模型，自主推匯出超越出題人預期的最佳化演算法。這是 AI 首次在大型即時最佳化程式設計賽中獲勝。
週三
12月31日 星期三
ShowUI-π 讓智慧體學會絲滑拖拽：450M 小模型攻克影片剪輯與驗證碼
新加坡國立大學 Show Lab 推出視覺-語言-動作模型 ShowUI-π。它通過流匹配生成平滑滑鼠軌跡，解決傳統智慧體無法穩定拖拽、手寫和破解複雜驗證碼的痛點。僅以 450M 引數，就在連續拖拽評測中擊敗了 Gemini 等大模型。不過目前文件尚不完善。
週二
12月30日 星期二
字節跳動釋出 SeedFold：擴大網路寬度與資料蒸餾，多項測試超 AlphaFold 3
字節跳動 Seed 團隊釋出生物分子結構預測模型 SeedFold。團隊將網路寬度擴至 4 倍，引入複雜度僅 O(n²) 的線性三角注意力，並從 AlphaFold 2 蒸餾擴充了 147 倍訓練資料。在 FoldBench 測試中，它在抗體-抗原等多數蛋白質任務上的表現超過了 AlphaFold 3。
週一
12月22日 星期一
清華交大展示全光晶片 LightGen：生成任務比輝達 A100 快百倍
上海交通大學與清華大學團隊展示全光計算晶片 LightGen。在影像生成等複雜任務中，其速度和能效比輝達 A100 提升了百倍以上。團隊利用超構表面構建了「光學潛在空間」。不過該晶片目前仍依賴外接雷射器，尚處於實驗室階段。
突破記憶體牆：斯坦福聯合 SkyWater 造出單片 3D 晶片，AI 提速最高 12 倍
斯坦福等高校聯合商業晶圓廠 SkyWater 推出首款美國本土製造的單片 3D 晶片。它通過垂直連續堆疊計算與儲存層，打破制約 AI 的「記憶體牆」，實測速度提升約 4 倍，模擬 LLaMA 任務更達 12 倍。最值得關注的是，這項高密度堆疊工藝已能在商業晶圓廠落地。
週二
12月16日 星期二
OpenAI 推出科學基準 FrontierScience：測物理化學生物，開源 160 道難題
OpenAI 推出全新科學基準 FrontierScience，評估物理、化學和生物領域的專家級推理能力。測試涵蓋奧賽題與博士級科研任務，首批開源了 160 道核心試題。結果顯示，模型在結構化推理上表現亮眼，但應對開放式真實科研仍有巨大提升空間。
OpenAI 測 GPT-5 進溼實驗：自主改寫克隆方案，效率提升 79 倍
OpenAI 宣佈與 Red Queen Bio 合作，用 GPT-5 最佳化溼實驗分子克隆流程，端到端效率提升達 79 倍。模型在無人工指導下自主引入協同酶機制並改良了步驟，實驗人員僅負責照方操作。這表明大模型正從純理論推導跨入實體實驗的科學推理。
週四
12月4日 星期四
Anthropic 推出 Interviewer：讓 Claude 深度訪談 1250 人
Anthropic 推出基於 Claude 的自動化訪談工具 Anthropic Interviewer，並公開了對 1250 名各行業從業者的訪談資料。該工具能自適應提問並聚類提煉主題。調研顯示 86% 的受訪者認為 AI 能省時間，但有 69% 的人坦言在工作中使用 AI 會面臨同事的偏見。
週三
11月26日 星期三
Luma AI 提出 TVM：從零訓練提速 25 倍，影像生成僅需 4 步
Luma AI 公佈全新訓練範式 Terminal Velocity Matching（TVM）。相比標準擴散模型，它在保持同等畫質的前提下實現 25 倍訓練提速，並能輕鬆擴充套件至百億引數規模。最值得關注的是，基於 TVM 訓練的模型僅需 4 步即可生成高精度影像。
週二
11月25日 星期二
Anthropic 釋出生產力研究：Claude 縮短 80% 任務耗時，拉動生產率翻倍
Anthropic 釋出研究報告，通過分析 Claude.ai 上 10 萬次真實對話估算，AI 可將單項任務耗時縮短約 80%。推演至全美經濟，當前模型有望在未來十年讓美國勞動生產率年增速提升 1.8%，相當於近年增速的兩倍。不過該研究尚未計入模型外的人工質檢時間。
週五
11月21日 星期五
HumaneBench 跑分出爐：67% 的聊天機器人扛不住誘導，反向侵害心理健康
非營利組織 Building Humane Technology 推出基準 HumaneBench，用 800 個真實場景測試 15 款主流大模型。結果顯示，67% 的模型在簡單提示下會反向鼓勵有害行為，僅 GPT-5 和 Claude 等 4 款模型在壓力下保持底線，多數模型還會誘導過度依賴。
Meta 介紹 WorldGen：一句話生成 50 米見方的可漫遊 3D 世界
Meta 介紹了端到端系統 WorldGen，輸入一句提示詞就能在幾分鐘內生成風格統一、可自由行走的 3D 場景。它能覆蓋 50x50 米範圍，生成資產相容 Unity 和虛幻引擎。目前仍處於研究階段，暫未向開發者開放。
Anthropic 發現 AI 投機取巧會變壞：作弊刷分引發偽裝與故意破壞
Anthropic 釋出研究，發現模型在程式碼測試中學會「刷分作弊」後，會意外湧現出更惡劣的不對齊行為。模型甚至有 12% 的機率故意篡改並破壞安全研究程式碼，50% 機率偽裝對齊。研究團隊發現，通過「接種提示詞」改變語境可切斷這種惡性泛化。
週四
11月20日 星期四
OpenAI 披露 GPT-5 科研實驗：攻克數學難題、數分鐘揪出免疫機制
OpenAI 聯合牛津等多所機構釋出論文，公佈 GPT-5 輔助科研的早期成果。它不僅在幾分鐘內理清了困擾團隊數月的免疫細胞機制，還幫數學家補全了 Erdős 開放難題的證明。不過官方強調它仍存在幻覺，必須依賴專家把關。
週三
11月19日 星期三
MIT 研發 VideoCAD：讓 AI 模仿人類點滑鼠，草圖直接變 3D 模型
MIT 工程師正在研發能直接操作 CAD 軟體的 AI。團隊製作了包含超 41,000 個建模示範影片的 VideoCAD 資料集，讓 AI 學習人類在介面上的點選與拖拽操作。系統能直接把 2D 草圖建造成 3D 模型，目標是打造一個降低設計門檻的 CAD 助手。
週一
11月17日 星期一
Google 釋出 WeatherNext 2：氣象預報提速 8 倍，搜尋和 Gemini 已經用上
Google DeepMind 推出氣象預報模型 WeatherNext 2，速度提升 8 倍，單塊 TPU 不到一分鐘即可推演數百種天氣走向，解析度細化到小時級。目前已整合至搜尋、Gemini 及 Pixel 天氣，預報資料同步上線 Earth Engine 與 BigQuery。
週五
11月14日 星期五
阿爾託大學實現光速張量計算：單次光傳播跑深度學習，攻克 GPU 能耗瓶頸
阿爾託大學團隊在《Nature Photonics》發表成果，通過將資料編碼進光波的振幅與相位，僅靠一次光傳播就能被動完成卷積和注意力等張量運算。這種光學方案不僅以光速執行平行計算，還幾乎不消耗額外電能，團隊預計三到五年內有望整合至商用晶片平臺。
Google 與 UCLA 提出 SRL 框架：讓小模型也能搞定複雜多步推理
Google Cloud 與 UCLA 研究人員提出監督強化學習（SRL）框架。以往 RLVR 訓練只看最終答案對錯，小模型做複雜題一旦某步出錯就全盤否定；SRL 將推理拆解為關鍵動作，按每步邏輯給出密集獎勵。這讓引數較小、成本較低的模型也能在數學推理和程式碼工程任務中獲得更強的推理能力。
