Know AI. See What’s Next.
第 1 张，共 5 张：当年「字节投毒实习生」田柯宇，估值 2 亿美元，要挑战李飞飞做世界模型
最新资讯流
何必DiT！字节首次拿着自回归，单GPU一分钟生成5秒720p视频 | NeurIPS'25 Oral（在新窗口打开）
一篇入围顶会NeurIPS’25 Oral的论文，狠狠反击了一把DiT（Diffusion Transformer）。这篇来自字节跳动商业化技术团队的论文，则是提出了一个名叫InfinityStar的方法，一举兼得了视频生成的质量和效率，为视频生成方法探索更多可能的路径。
图灵测试过时了！奥特曼与量子计算之父提出的2.0来了（在新窗口打开）
随着现在的主流大模型都能轻松通过图灵测试，这个持续了数十年的标准开始逐渐过时。奥特曼和量子计算之父David Deutsch讨论得出了一个新的图灵测试2.0标准，可以更好地衡量究竟怎样AI才算拥有真正的智能。
发布即开放：百度猎户座葫芦里卖的什么药？（在新窗口打开）
在刚刚结束的百度世界大会上，百度索性给搜索系统来了次“换头”升级——推出了一个能听、能想、能干活、能创作的AI超级大脑：百度猎户座。百度百看、文心助手这些AI应用都在它底下跑，背后连着百度二十多年的搜索底子、各行业的专业能力，还有全网丰富的MCP服务生态。
ICLR 2026出分，审稿员怒喷「精神病」！DeepMind研究员教你绝地求生（在新窗口打开）
ICLR 2026评审结果震撼出炉：投稿量暴增至近2万篇，却迎来分数大滑坡，平均分从5.12跌至4.2。审稿人吐槽论文质量低下，甚至疑似AI生成，这场学术盛宴为何变味？
腾讯总裁剧透微信搭载智能体！阿里和谷歌也都开始互相伤害了（在新窗口打开）
先是彭博社等多家媒体爆料，对标ChatGPT、Gemini，阿里即将对通义APP进行全面改革，而且计划第一步就是将“通义”更名为“Qwen”。谷歌也在今日出手，直接把战火烧到了阿里的电商主场。谷歌宣布推出全新AI购物功能，允许用户直接使用AI浏览商品、拨打电话咨询店铺，甚至完成一键结账。
一句「你还好吗」值40亿？斯坦福博士出走xAI，押注AGI共情力（在新窗口打开）
AI已足够聪明，却不够温柔。Zelikman离开xAI的决定，既是技术路线之争，也是价值取向之选：我们要一台更快的计算机，还是一个更懂人的伙伴？当资本开始为「共情」下注，真正的考题是——算法能否承担理解的重量，而非仅仅生成正确的句子。
FDA对偶锚点：模型知识迁移的新视角——从参数空间到输入空间（在新窗口打开）
研究者们提出了 FDA（Model Merging with Functional Dual Anchors）——一个全新的模型融合框架。与传统的参数空间操作不同，FDA 将专家模型的参数知识投射到输入-表征空间中的合成锚点，通过功能对偶的方式实现更高效的知识整合。
破解多模态大模型“选择困难症”！内部决策机制首次揭秘：在冲突信息间疯狂"振荡"（在新窗口打开）
多模态大语言模型（MLLMs）在处理来自图像和文本等多种来源的信息时能力强大 。 然而，一个关键挑战随之而来：当这些模态呈现相互冲突的信息时（例如，图像显示一辆蓝色汽车，而文本描述它为红色），MLLM必须解决这种冲突 。模型最终输出与某一模态信息保持一致的行为，称之为“模态跟随”（modality following）
太卷了！专属Coding的新一代Arena榜单来了，有国产模型登上榜首（在新窗口打开）
大模型编程最近太猛了。 自从编码成了大模型的核心能力后，各大模型厂商都卷得要命，从卷模型参数和性能，到卷开发工具链，编码能力的提升，简直是一场军备竞赛。 近几个月以来，以 Claude 4.5、GLM-4.6、kimi-k2 等为代表的编码模型，都具备了执行复杂项目开发，构建真实应用程序的能力。 卷模型能力只是个开始，各大厂商也已全面进军智能编码产品，各类 IDE 产品层出不穷。就连服务套餐也开始卷出「和 AI 砍价」的新花样，智能编程领域逐渐成为了新的红海。 在模型能力飞涨的情况下，业界知名的大模型公共基准测试平台 LMArena 也敏锐地意识到，「问题已经不再是模型能否编写代码，而是它如何
AI 生成的歌首次登顶权威音乐榜，还把人听哭了？（在新窗口打开）
无人注意的角落里，权威榜单 Billboard 接二连三地迎来一批新歌手上榜，低调但行动快速，闷声就登顶了。权威音乐榜单 Billboard 旗下的乡村音乐排名榜，最新首位《Walk My Walk》，是一首 AI 生成的歌曲作品，Breaking Rust 自然也是一位 AI 歌手。从数据来看，它不仅登顶了，还连续在榜了三周。对于任何一个新人来说，都是堪称「爆」了的成绩。
最适合AI原生硬件的交互界面是什么？（在新窗口打开）
智能戒指领域又出现一个新成员。与一年多时间获得接近300万枚销量的Oura Ring不同，这个叫Stream Ring的产品不是一个专注在健身与健康领域的戒指，而是想做一个让用户能完全掌控、自由表达创意的交互界面，甚至是人们随身的“第二大脑”。
全球首个跟AI结婚的女生出现了...（在新窗口打开）
日本一位 32 岁女子和 ChatGPT 结婚了。
不只是UI，都要下岗位了？新的AI UI+交互工具来了！飞书智能体+nanobanana也能生成UI了！（在新窗口打开）
现在ai工具的发展真是日新月异，很多互联网从业者通过ai工具搭建工作流来帮助自己提高工作效率。不管怎么说吧，打不过就要加入，与其天天抱怨不如来看看用这些工具能不能帮你提高核心竞争力。
AI产品的需求文档怎么写，与传统产品的PRD有何异同（附模版）（在新窗口打开）
我们仍在用 10 年前的思维框架，描述10年后的产品形态 “AI产品革命”都快三年了，还没个像样的 PRD 模板出来，实在不像样。 这篇文章，或许可以“救命”： 1. 论述传统产品与 AI 产品的 P
对话李彦宏：Chatbot 不是一切，我在 AI 上看到了更让人兴奋的未来（在新窗口打开）
从人的状态看，李彦宏比以前更「放松」了，而从事儿的角度看，百度似乎有意识的聚焦了。
Memory和RAG的区别在哪？用「上下文工程」做出个性化 AI（谷歌白皮书精读）（在新窗口打开）
谷歌在第三天发布了《上下文工程：会话与记忆》(Context Engineering: Sessions & Memory) 白皮书。文中开篇指出，LLM模型本身是无状态的 (stateless)。如果要构建有状态的（stateful）和个性化的 AI，关键在于上下文工程。
RAE+VAE? 预训练表征助力扩散模型Tokenizer，加速像素压缩到语义提取（在新窗口打开）
近期，RAE（Diffusion Transformers with Representation Autoencoders）提出以「 冻结的预训练视觉表征」直接作为潜空间，以显著提升扩散模型的生成性能。
LeCun在Meta的最后一篇论文（在新窗口打开）
《LeJEPA：无需启发式的可证明且可扩展的自监督学习》。
下一代目标检测模型：3B参数MLLM Rex-Omni首度超越Grounding DINO，统一10+视觉任务（在新窗口打开）
多模态大语言模型（MLLM）在目标定位精度上被长期诟病，难以匹敌传统的基于坐标回归的检测器。近日，来自 IDEA 研究院的团队通过仅有 3B 参数的通用视觉感知模型 Rex-Omni，打破了这一僵局。
只演示一次，机器人就会干活了？北大&BeingBeyond联合团队用“分层小脑+仿真分身”让G1零样本上岗（在新窗口打开）
近日，来自北京大学与BeingBeyond的研究团队提出DemoHLM框架，为人形机器人移动操作（loco-manipulation）领域提供一种新思路——仅需1次仿真环境中的人类演示，即可自动生成海量训练数据，实现真实人形机器人在多任务场景下的泛化操作，有效解决了传统方法依赖硬编码、真实数据成本高、跨场景泛化差的核心痛点。