悉尼科技大學提出 Torque 演算法：無需人工標註，準確率達 97.7%
據報道，悉尼科技大學團隊提出全新無監督學習演算法 Torque Clustering。該演算法受星系合併的力矩平衡啟發，完全無需人工標註和調參，在 1000 個數據集上取得 97.7% 的聚類準確度，大幅超越傳統方法。程式碼已開源。
AI科研 · 日報
週日
2月16日 星期日
週五
2月14日 星期五
Meta 腦機研究突破：用 AI 非侵入式解碼腦電波，打字準確率達 80%
Meta 釋出兩項非侵入式腦機介面研究，利用深度學習模型 brain2qwerty 將打字時的腦訊號解碼為文本。在測試中，模型單字準確率達七至八成，最佳表現甚至能完全還原整句。最關鍵的是無需開顱植入晶片，就能為失語者復原交流提供新途徑。
微軟新研究：過度依賴 AI 會削弱批判性思維
Microsoft 與 Carnegie Mellon University 釋出研究，調查了 319 名知識工作者。結果顯示，員工越信任 AI 的能力，就越少進行審視和獨立思考，低風險任務尤為明顯；同時使用 AI 的人產出的結果多樣性也明顯更低。
週四
2月13日 星期四
防燙傷防過熱：研究人員造出靠 AI 動態調溫的智慧夾克
研究人員公佈了一款結合 AI 與變色纖維的智慧加熱夾克。該夾克的 AI 演算法基於 50 名受試者資料訓練，能在不同環境下動態調節舒適溫度，纖維還會隨溫度變色預警。這項設計解決了傳統電熱織物易導致過熱燙傷的隱患，尤其適用於老年群體。
研究團隊提出 ImageRAG：免重新訓練，檢索參考圖搞定生僻生圖
研究團隊提出 ImageRAG 框架，將檢索增強生成（RAG）引入文生圖領域。它用視覺語言模型挑出初稿中缺失的概念，再從外部檢索真實參考圖引導生成，無需對底層模型專門訓練。在 SDXL 和 OmniGen 上的測試顯示，它顯著提升了罕見概念的生成準確度。
週二
2月11日 星期二
CADFusion：讓大模型看懂 3D 設計，文字直接生成 CAD 模型
研究人員提出 Text-to-CAD 框架 CADFusion，用大語言模型將自然語言轉換成 CAD 引數序列。訓練時交替進行引數序列學習與視覺反饋，既保證程式碼邏輯連貫，又獎勵渲染效果更好的模型，大幅提升了生成質量。
週一
2月10日 星期一
Anthropic 釋出經濟指數：AI 更多是協同增強，中高薪職業用得最多
Anthropic 推出「經濟指數」專案，基於 Claude 對話資料分析 AI 對勞動力市場的影響並開源資料集。研究顯示，57% 的使用場景偏向人機協同增強，而非完全自動化（43%）。程式設計和文案寫作佔主流，中高薪職業應用最多。
Animate Anyone 2 釋出：不僅讓靜態人物動起來，還能和環境真實互動
研究團隊推出角色動畫模型 Animate Anyone 2，主打環境互動能力。新模型通過引入環境表徵作為條件輸入，並加入物體引導器和空間融合技術，讓生成的角色不再像浮在背景上，而是能真正與周圍物體自然互動，動作適應度大幅提升。
週日
2月9日 星期日
VFX Creator 框架：給靜態圖做特效，時間和位置都能精準控制
研究團隊推出特效生成框架 VFX Creator 與 Open-VFX 資料集。使用者只需輸入靜態圖和文本，就能借助 Mask 遮罩指定生效區域，並輸入時間戳精確控制特效在影片哪一秒發生。它包含 15 類常見特效，用極少訓練資料就能實現時空維度的精準控制。
週五
2月7日 星期五
ProtGPS 登《Science》：AlphaFold 算結構，它來預測蛋白質在細胞裡去哪
MIT 與 Whitehead 研究所團隊推出深度學習模型 ProtGPS，能預測蛋白質在細胞內各類凝聚體中的具體去向。該工具基於 Meta 的 ESM 架構開發，補齊了類似 AlphaFold 只算結構的短板，還能按需設計新蛋白質輔助藥物研發，但內部決策機制仍屬黑盒。
週三
2月5日 星期三
斯坦福聯手華大造出 s1：成本不到 50 美元的開源推理模型
斯坦福大學與華盛頓大學研究人員推出開源推理模型 s1。該模型以 Qwen 開源小模型為底座，通過監督微調蒸餾 Google Gemini 的推理過程，僅耗費不到 50 美元算力便在數學和程式設計評測中追平 OpenAI o1，程式碼與資料已開源。
週二
2月4日 星期二
ETRI 研發 AI 煙霧感測器：靠光散射區分真假火警
韓國電子通訊研究院（ETRI）宣佈研發出防誤報 AI 感測器。該技術通過測量粒子在不同光波長下的散射光譜，結合 AI 區分真實火災煙霧與水汽、灰塵等非火災氣溶膠。ETRI 計劃先將其應用於吸氣式感煙探測器並推進商業化。
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。
週五
1月24日 星期五
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。
週四
1月23日 星期四
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。
週四
1月16日 星期四
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。
週三
1月15日 星期三
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。
週二
1月14日 星期二
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。
