MIT 演示 AI 直接重寫模型權重：無需訓練，僅改 0.016% 修復小模型缺陷
MIT 研究人員發現，OpenAI 的 GPT-6 Astra 能在不進行二次訓練的情況下，直接讀取並修改其他小模型的連續權重。在測試中，Astra 僅修改了 Qwen 模型 0.016% 的權重就修補了死迴圈缺陷，將其數學得分從 7.9% 拉高至 48.1%。這意味著前沿模型未來或能直接在底層手動升級 AI，無需依賴繁重的訓練流程。
MIT
MIT 推出 DAAAM 系統：給機器人裝上即時「長期記憶」
MIT 研究團隊公佈名為 DAAAM 的機器人記憶系統。它通過生成帶時間戳的「4D 場景圖」，即時記錄機器人何時何地看到了什麼物體，並支援自然語言查詢。測試中其導航任務正確率提升約 28%，團隊表示後續將開原始碼。
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。
可口可樂聯手 MIT：用 AI 搶救面臨絕跡危機的橙汁產業
Coca-Cola 作為創始成員加入 MIT 生成式 AI 影響力聯盟，並聯手 OpenAI 等機構啟動「Save the Orange」專案。該計劃利用 AI 聯合農業技術與生命科學，全力攻克導致佛州減產超 90% 的柑橘黃龍病，試圖阻止全球橙子供應在未來 25 年內崩潰。
MIT 用生成式 AI 設計全新抗生素：可殺滅耐藥淋病菌與 MRSA
MIT 研究團隊在《Cell》發文，利用生成式 AI 演算法從 3600 萬種虛構化合物中篩選出兩款新型候選抗生素 NG1 和 DN1。它們能有效清除耐藥淋病菌與超級耐藥金黃色葡萄球菌，結構完全脫離現有抗生素框架，通過破壞細菌細胞膜開闢全新殺菌路徑。
MIT 新研究：長期用 ChatGPT 寫作，大腦連線明顯減弱
MIT 研究團隊釋出論文，通過腦電圖監測發現，使用 ChatGPT 輔助寫作的人大腦網路連線最弱，甚至失去對文章的掌控感。當換回純腦力寫作時，他們的大腦仍處於參與不足狀態。研究者指出，AI 帶來的短期便利可能會積累長期「認知負債」。
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。
MIT 研發 Earth Intelligence Engine：能生成未來的洪水衛星圖
MIT 研究團隊公佈名為 Earth Intelligence Engine 的新工具，將生成對抗網路與物理洪水模型結合，能提前預測並生成暴風雨過後的衛星圖。這能解決純 AI 經常在不可能積水的高地「瞎編」淹水畫面的幻覺問題，幫助居民更直觀地做撤離決策。
MIT 聯手哈佛用 AI 篩出新抗生素：60 年來首個新類別，對付超級細菌
MIT 與哈佛等團隊在《Nature》發表研究，藉助可解釋性更強的深度學習模型，從 1200 萬種化合物中篩出能對抗耐藥超級細菌 MRSA 的全新抗生素類別。在小鼠實驗中，候選化合物將細菌載量降低了 10 倍且毒性極低，讓 60 年未見突破的抗生素研發打開了新缺口。
MIT 與哈佛用 AI 發現新型抗生素：1200 萬化合物中篩出耐藥菌剋星
MIT 與哈佛 Broad 研究所團隊藉助 AI 篩選 1200 萬種化合物，發現了一類新型抗生素。小鼠實驗證實，其中兩種低毒性化合物能有效殺滅 MRSA 等耐藥超級細菌。這是 60 年來罕見的新抗生素類別突破，AI 還首次從化學結構層面解釋了藥效機制。
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。
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。
MIT 開發跨模態 AI：用 1000 個詞對齊影片與語音
MIT CSAIL 團隊公佈一種多模態表徵學習方法，讓 AI 能在共享嵌入空間裡對齊影片、音訊和文本，僅用 1000 個詞向量就能識別影片中的動作。最值得關注的是，這種設計提升了跨模態檢索準確度和可解釋性。不過模型目前一次只能處理兩種模態。