華盛頓大學研發 AI 耳機：看對方几秒，嘈雜人群中就只聽他說話
據華盛頓大學訊息，研究團隊開發出 Target Speech Hearing 系統。佩戴者只需看著目標說話者 3 至 5 秒，系統就能鎖定其聲紋並即時消除環境噪聲，即便走動或轉頭也能持續清晰收聽。該系統尚未商用，目前僅支援單人註冊。
AI科研 · 日報
週四
5月23日 星期四
週二
5月7日 星期二
MIT 藉助機器學習破譯抹香鯨：發現類似人類語言的「拼音表」
MIT CSAIL 與 Project CETI 團隊藉助機器學習分析了 8,719 個抹香鯨尾聲，發現其叫聲是一套由節奏和節拍構成的組合編碼系統。這表明抹香鯨也能像人類拼湊音節一樣組合資訊，打破了人類語言的獨特屬性。
週日
5月5日 星期日
生成式 AI 自主設計新藥：研發週期從數年縮至數月
CNBC 報道生成式 AI 正在重塑製藥業，禮來與輝達等高管預計數年內藥物將完全由 AI 自主設計。AI 能在 5 分鐘內生成傳統溼實驗一年的分子量，將藥物發現週期從數年縮減到數月，但真實有效性仍需人體試驗檢驗。
週五
4月26日 星期五
Profluent 用 AI 從頭設計基因編輯器：開源 OpenCRISPR-1，效能媲美天然 Cas9
Profluent 利用生成式 AI 從頭設計出精準基因編輯器，並開源 OpenCRISPR-1。團隊訓練蛋白質語言模型生成新分子，在人類細胞中的編輯活性與特異性媲美甚至超過天然 SpCas9。這意味著基因編輯告別了從自然界碰運氣的階段，步入按需定製時代。
週二
4月23日 星期二
Open CoT Leaderboard 上線：專測思維鏈到底能幫大模型提多少分
Hugging Face 上線 Open CoT Leaderboard。與傳統跑分不同，它不看絕對準確率，而是專測加入思維鏈推理步驟後的淨提分幅度。測試顯示 7B 小模型有時藉此提升比大模型更猛，但思維鏈有時也會讓準確率不升反降。
週一
4月22日 星期一
Adobe 公佈 VideoGigaGAN：把模糊影片放大 8 倍且不閃爍
據報道 Adobe 研究人員公佈生成式 AI 模型 VideoGigaGAN，能將模糊影片解析度提升至原來的 8 倍。該技術結合了 GAN 的細膩細節與時序穩定性，避免了影片超解析度常見的閃爍與偽影。目前該成果僅為研究預覽，暫未確定是否會整合到 Premiere Pro 等軟體中。
通用智慧體 JAT 開源：一個模型通吃遊戲與機械臂
研究團隊開源通用智慧體 JAT，包含模型、資料集及專家策略。作為 Gato 的開源復現與演進，它用單個網路在 157 項任務中達到專家基準 65.8% 的表現，涵蓋玩遊戲、機械臂控制與初級圖文處理。
週五
4月19日 星期五
斯坦福釋出第七期 AI 指數報告：跑分逼近人類，研究界急著出新題
斯坦福 HAI 釋出第七期《AI 指數報告》，指出 AI 在閱讀理解與影像分類等指標早已超越人類，在 MATH 競賽題的解題率也從 6.9% 飆升至 84.3%。由於舊測試接連被刷爆，學界正加緊設計更難的新基準。不過，模型在幻覺與真實性上依然存在明顯短板。
週三
4月3日 星期三
蘋果公佈 ReALM 模型：把螢幕轉成文本，端側幹翻 GPT-4
Apple 研究團隊公佈新 AI 系統 ReALM。它巧妙地把螢幕實體轉化為純文本進行指代消解，不需要笨重的影像識別就能理解螢幕內容與後臺任務，特定任務表現甚至大幅超越 GPT-4。這預示著未來的 Siri 可以在裝置端直接看懂你的螢幕並代辦事項。
週二
4月2日 星期二
Anthropic 發現多樣本越獄：塞幾十道問答就能繞開 AI 道德限制
Anthropic 披露了一種名為「多樣本越獄」的漏洞。利用大模型擴大的上下文視窗，攻擊者在提示詞裡塞入幾十組輕度違規問答作為示例，就能誘導 AI 順從回答製造炸彈等危險問題。目前團隊已將風險同步給同行，正嘗試在前置攔截環節進行防禦。
週一
3月18日 星期一
Google 釋出 VLOGGER：一張照片配一段音訊，就能讓人物開口說話還帶手勢
Google 研究人員開發出多模態 AI 模型 VLOGGER，只需一張人物照片和一段音訊，就能生成對應口型、頭部動作和手勢的完整影片。與傳統方案相比，它無需針對單人專門微調，還能補全上半身動作。不過影片目前長度有限且背景固定，仍有少許瑕疵。
週三
3月13日 星期三
Google DeepMind 推出 SIMA：能聽懂人話、在 3D 遊戲裡幫你幹活的通用 AI
Google DeepMind 推出通用 AI 智慧體 SIMA。它不用看遊戲原始碼或專用介面，僅憑螢幕畫面和鍵盤滑鼠輸出，就能聽懂玩家的自然語言指令，在《無人深空》《拆遷》等 9 款商業 3D 遊戲中完成爬梯子、開選單等 600 項基礎操作。這是 AI 從刷高分轉向泛化執行真實任務的重要一步。
週六
3月9日 星期六
LLM 預測神經科學實驗準確率達 81%：反超人類專家
Xiaoliang Luo 等學者發表研究，表明大語言模型預測神經科學實驗陽性結果的準確率達到 81%，超過人類專家的 64%。團隊僅使用 70 億引數的類 GPT-3.5 模型，經神經科學文獻微調後表現進一步提升，能幫助科研人員收窄研究方向。
週一
2月26日 星期一
Google DeepMind 釋出 Genie：一張圖就能生成可玩的遊戲
週一，Google DeepMind 展示了基礎世界模型 Genie。它通過學習超 20 萬小時公開遊戲影片，無需人工動作標註，僅憑單張圖片或草圖就能生成可互動、可操控的 2D 橫版過關世界。這意味著生成式 AI 正在跨入可操控環境，為訓練智慧體鋪路。
週四
2月15日 星期四
Meta 釋出 V-JEPA：不生成畫素也能看懂影片，訓練效率最高翻 6 倍
Meta 推出非生成式影片模型 V-JEPA。它不在畫素層面摳細節，而是在抽象特徵空間預測被遮擋的影片內容，訓練和樣本效率比傳統做法高出 1.5 到 6 倍。預訓練完成後無需微調全部引數，只加一層輕量網路就能適配動作分類等多種任務。
