DeepMind 釋出 AlphaMissense：用 AI 預測 7100 萬個基因突變致病性
Google DeepMind 在《科學》雜誌公佈新模型 AlphaMissense，能預測 7100 萬個人類 DNA 錯義突變是否致病。它基於 AlphaFold 微調而來，旨在幫醫生快速排查罕見病病因。不過出於生物安全顧慮，團隊未公開模型權重。
AI科研 · 日報
週二
9月19日 星期二
CZI 斥資搭建千卡 H100 叢集：用生成式 AI 搞醫學研究與「虛擬細胞」
Chan Zuckerberg Initiative 宣佈資助搭建包含 1000 多塊輝達 H100 的計算叢集。該系統旨在通過生成式 AI 構建模擬健康與患病狀態的「虛擬細胞」，幫助科學家預測人體對疾病或新藥的反應。最值得關注的是，CZI 打算將這些細胞模型公開發布，降低科研人員使用頂尖 AI 算力的門檻。
週五
9月15日 星期五
DeepMind 提出 OPRO：讓大模型自己迭代最佳化 Prompt
DeepMind 研究團隊在一篇新論文中提出 OPRO 方法，直接把大模型當作最佳化器。這項技術用自然語言描述任務並記錄歷史得分，讓模型自主摸索規律，在沒有形式化數學公式的情況下迭代尋找更優解，尤其擅長自己調優提示詞以提升準確率。
MIT 推出 Style2Fab：打字就能魔改 3D 列印模型，還不壞功能
MIT 研究團隊公佈生成式 AI 工具 Style2Fab，使用者只需輸入文字提示詞，就能直接自定義 3D 列印模型的外觀。系統會自動將模型拆解為功能部分和裝飾部分，在保留原本結構特性的同時生成新紋理與造型。新手無需掌握複雜 CAD 也能輕鬆改裝模型。
週三
9月13日 星期三
視網膜影像測全身病：新 AI 還能預測帕金森和心衰
9 月 13 日《自然》報道，科學家研發出一套 AI 工具，僅憑視網膜影像就能診斷眼疾，並預測心力衰竭與帕金森氏症等多項全身疾病的風險。這意味著普通眼底照相可能成為全身體檢的快速視窗。
週四
8月24日 星期四
DeepMind 打造多智慧體象棋系統 AZdb：擊敗 AlphaZero，解題量翻倍
Google DeepMind 團隊推出多智慧體系統 AZdb，把多個風格各異的 AlphaZero 組成戰隊。通過行為多樣性訓練，智慧體各自專精不同開局與陣型；在刁鑽的棋局難題中，其解題量達到單體 AlphaZero 的兩倍，實戰 Elo 積分提高 50 分。
週三
8月16日 星期三
前 Google CEO 籌建新機構：借鑑 OpenAI 模式，用 AI 攻克科研難題
據 Semafor 報道，前 Google CEO Eric Schmidt 正籌建一家非營利科研機構，借鑑 OpenAI 早期模式，用 AI 攻克生物與材料科學難題。他已挖來 Samuel Rodriques 和 Andrew White 兩名頂尖學者領銜，資金以個人出資為主，並承諾提供學術界罕見的算力與薪資。不過專案仍處早期，未來可能吸納外部資金。
週二
8月15日 星期二
加州大學伯克利分校用 AI 解碼腦電波：直接還原出一段 Pink Floyd 搖滾
加州大學伯克利分校研究人員利用 29 名癲癇患者聽歌時的腦電波訊號，訓練 AI 重建了 Pink Floyd 的經典歌曲片段，聲譜圖相似度達 43%。這項研究揭示了大腦對音樂音調和節奏的處理方式，未來有望讓語言障礙患者的語音合成裝置告別機械音、聽起來更像真人。
週一
8月14日 星期一
創造力測試揭曉：ChatGPT 原創性得分躋身人類前 1%
蒙大拿大學團隊公佈測試結果，搭載 GPT-4 的 ChatGPT 在權威創造力測驗 TTCT 中，流暢度與原創性均位列前 1%，靈活性達前 3%。盲審機構未察覺其為 AI，表明大模型在發散思維上已能媲美甚至超越大部分人類。
週五
8月11日 星期五
NVIDIA 推出 FlexiCubes：可替代經典演算法，讓 3D 生成網格更精細
NVIDIA 介紹了 3D 網格生成新方法 FlexiCubes。它引入了可精細調節的柔性引數，能在基於最佳化的 AI 流水線中直接替代傳統的 Marching Cubes 演算法，大幅提高複雜幾何細節的還原度，且生成的網格可直接投入物理模擬。
週二
8月8日 星期二
靠聽打字聲偷密碼：AI 識別鍵盤按鍵準確率超 90%
英國研究團隊訓練出一套 AI 系統，僅憑打字聲音就能識別按下的鍵位。在手機近距離錄音下準確率達 95%，即便通過 Zoom 通話錄音也有 93%。也就是說，開影片會時順手敲密碼已存在洩密風險，研究者建議儘量開啟兩步驗證或用生物識別替代純鍵盤輸入。
週二
8月1日 星期二
Nvidia 推出生圖個性化方法 Perfusion：僅 100KB、訓練只要 4 分鐘
Nvidia 聯手特拉維夫大學公佈影像微調方法 Perfusion。其模型體積僅 100KB、訓練耗時 4 分鐘，採用「Key-Locking」機制將新概念錨定在通用類別上，有效防止過擬合。最值得關注的是，相比動輒數 GB 的傳統微調模型，它讓極輕量、自然的個性化畫圖成為可能。
週二
7月18日 星期二
SHOW-1 模擬系統公佈：靠多智慧體與 GPT-4 自動做劇集
研究團隊公佈 SHOW-1 與 Showrunner 智慧體系統。系統結合多智慧體模擬與 GPT-4，能根據角色背景與使用者意圖自動生成整集《南方公園》風格動畫，通過模擬對抗重複套路。不過 AI 生成劇集仍需解決觀眾對真人創作者認同感的問題。
斯坦福與伯克利評估：GPT-4 出現行為漂移，部分數學測試表現下滑
斯坦福與伯克利研究團隊對比了 3 月與 6 月版本的 GPT-3.5 和 GPT-4，發現模型行為出現顯著漂移。其中 GPT-4 在質數識別和程式碼格式上表現明顯下滑，指令遵循能力有所減弱。這一發現印證了使用者對黑盒模型變鈍的懷疑，也暴露出模型持續更新時的不透明問題。
週五
7月14日 星期五
Meta 推出 CM3leon：兼顧文生圖與圖生文，訓練算力省 5 倍
Meta 展示了雙向多模態基礎模型 CM3leon，能同時處理文生圖與圖生文。該模型借鑑純文本語言模型的訓練策略，在零樣本 MS-COCO 測試中取得 4.88 的 FID 分數超越 Google Parti，且訓練算力比以往同架構方法低 5 倍。
週三
7月12日 星期三
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。
週一
7月10日 星期一
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。
