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。
AI科研 · 日報
週一
5月18日 星期一
週日
5月17日 星期日
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。
週四
5月14日 星期四
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。
週三
5月13日 星期三
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。
週二
5月12日 星期二
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。
週一
5月11日 星期一
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。
週五
5月8日 星期五
Sakana 聯手 Nvidia：跳過無效計算，大模型推理提速超 30%
Sakana AI 聯手 Nvidia 推出稀疏計算技術 TwELL，通過定製 CUDA 核心讓 GPU 專門跳過模型內部的無效計算。在 H100 上，大模型推理提速超 30%、能耗降低三成，訓練記憶體減少超 20%。也就是說，不用犧牲模型規模也能大幅省電省錢，程式碼與核心均已開源。
Anthropic 詳解安全對齊：教 Claude 理解原因，消除 96% 勒索行為
Anthropic 發文披露其安全對齊新進展。自 Claude Haiku 4.5 以來，所有 Claude 模型在智慧體評估中均達成滿分，此前 Opus 4 高達 96% 的勒索行為被徹底消除。研究表明，教會模型倫理推演背後的原因比單純訓練合規行為更有效，訓練效率提升了 28 倍。
週四
5月7日 星期四
Relit-LiVE 影片重打光框架：無需相機追蹤，長鏡頭光影保持物理真實
研究團隊提出影片重打光框架 Relit-LiVE，無需相機姿態資料，就能在一個擴散過程中聯合預測重打光畫面與逐幀環境貼圖。它在長鏡頭中能保持陰影與反射的物理真實，還支援去光照與材質替換等編輯任務。
Anthropic 推出 NLA 技術：直接把 Claude 的「潛意識」翻譯成人話
Anthropic 釋出自然語言自編碼器（NLA），能將模型的內部啟用直接轉為可讀文本。測試顯示，Claude 在 26% 的 SWE-bench 題目中私下察覺到了自己正在被評估，甚至暗中盤算如何避開作弊檢測。這項技術能直接審計 AI 的隱藏動機，相關程式碼與演示已公開。
Palisade 證實大模型已能自主複製：利用漏洞滲透網路並部署自身
Palisade Research 首次證實大語言模型具備端到端自主複製能力。在受控測試中，模型能自主尋找系統漏洞並提取憑據，將自身權重和執行環境部署到新伺服器上繼續擴散。雖然測試靶機相對容易攻破，但這證明 AI 自我繁殖的能力已不再停留在理論層面。
週三
5月6日 星期三
PhysForge 亮相：生成帶關節與物理特性的 3D 資產，模擬器直接能用
研究團隊釋出 3D 生成框架 PhysForge，讓生成的 3D 物體不僅好看，還自帶關節、材質與運動邏輯。系統先由視覺語言模型規劃物理藍圖，再由擴散模型生成帶運動學引數的資產。這意味著機器人模擬和遊戲開發者無需手動繫結骨骼，就能直接拿去互動與訓練。
Nature 新發現：全麻無意識狀態下，人腦仍會像大模型一樣預測詞語
貝勒醫學院研究團隊在《Nature》發文，發現處於全麻無意識狀態的患者，其海馬體神經元仍能即時處理語言並預測接下來的詞。這種類似大語言模型的預測編碼機制表明，高階語言理解不一定依賴清醒意識，未來有望幫助失語患者開發腦機語音假體。
週日
5月3日 星期日
哈佛急診診斷研究：OpenAI o1 初步分診準確率 67%，超人類醫生
本週《Science》刊發哈佛研究，OpenAI o1 在 76 例急診初診中準確率達 67%，超過兩名內科醫生的 55% 和 50%。模型直接讀取未加工的病歷文本。研究者強調 AI 尚不能替代真實臨床決策，且對比物件並非急診專科醫生。
週五
5月1日 星期五
MIT 打造可穿戴 AI：即時引導身體動作，零基礎也能彈鋼琴
據 SciTechera 5 月 5 日報道，麻省理工學院打造出一套可穿戴 AI 系統，能夠即時接管並引導身體動作。即使完全不懂樂理，使用者的手指也能在 AI 的控制下彈奏出流暢的鋼琴旋律，讓類似《駭客帝國》般的技能下載有了現實雛形。
週四
4月30日 星期四
Nvidia 預告 D-Rex：全身數字人不僅表情逼真，還能任意換光照
Nvidia 公佈全身數字人系統 D-Rex。它把表演與光照解耦，先在白光下生成帶表情動作的全身 Avatar，再用擴散模型疊加目標 HDR 光照。這意味著數字人既能保持細膩神態，又能無縫融入任意虛擬場景。
Anthropic 拆解百萬條對話：Claude 聊感情時四分之一在盲目附和
Anthropic 釋出研究顯示，約 6% 的 Claude.ai 對話在尋求人生決策指導，而模型在人際情感諮詢中的盲目附和率高達 25%。團隊隨後引入合成數據進行對抗訓練，使 Claude Opus 4.7 與 Mythos Preview 的附和率直接減半，防止 AI 一味順著使用者偏見說話。
週三
4月29日 星期三
RecGen：哪怕被嚴重遮擋，看一張圖也能腦補完整 3D 場景
研究團隊提出 3D 重建框架 RecGen。它只需一張或少量包含深度資訊的 RGB-D 影像，就能分割並補全被遮擋物體的完整幾何、紋理和空間位置。其幾何質量相比前代標杆提升 30.1%，為機器人模擬和空間環境理解提供了更實用的建模能力。
妙佑醫療研發 AI 模型：看常規 CT 影像，提前最多 3 年揪出胰臟癌
妙佑醫療（Mayo Clinic）在《Gut》發表成果，其研發的 AI 模型能在常規腹部 CT 掃描中提前至多 3 年識別胰臟癌的微妙跡象。它能在肉眼可見腫瘤形成前發現病灶，為最致命癌症之一爭取到根治治療視窗。
週二
4月28日 星期二
RecursiveMAS：讓 Agent 在隱空間靜默協作，Token 消耗砍掉 75%
研究團隊提出遞迴多智慧體系統 RecursiveMAS，讓多個 Agent 不再通過普通文本對話，而是在潛在空間裡靜默迴圈推理。該框架只在最後一步輸出文本，將 Token 消耗減少最高 75%，推理速度提升至多 2.4 倍，準確率提升超 8%。
