代码造世界，扩散绘现实：AgentGarten让智能体在实时试炼场中边玩边进化（在新窗口打开）
推开一块挡板，通道就此封闭；搬来一段坡道，高墙便有了越过的可能。
内容栏目
AI技术文章
分享不同 AI 工具、模型与相关技术的使用方法和实践文章。
多会话语音记忆基准VoxMem，专治音频大模型记不住「谁说的、怎么说」（在新窗口打开）
在语音助手、多用户共享的家庭助理等长期对话场景中，模型需要跨越多次会话记住用户的信息，但现有评测常遭遇两大难题：
李飞飞团队造了个世界动作模型：换个底座，机器人成功率直接飙升（在新窗口打开）
9 月 22 日，以 FLUX 图像模型闻名的 Black Forest Labs 跨界发布了开源 7B 世界动作模型 FLUX 3 Action。据其官方博客，该模型在英伟达 RoboLab-120 榜单上超过了此前最强的开源模型 Cosmos 3 Nano，参数量却不到后者一半。一家做图像生成的公司跑来卷机器人控制，说明视频模型里积累的「物理直觉」正被越来越多的团队当作机器人大脑的底座。
何恺明团队发布多模态Harness框架（在新窗口打开）
多模态模型的视觉原生Harness，来了！
ChatGPT踢到铁板了！能破解千禧数学难题，但论文复现率低至13.98%？（在新窗口打开）
OpenAI最近真是频频往数学界扔重磅炸弹。
清华具身模型登顶全球第一！突围GPT-6、英伟达，不靠外挂和额外数据（在新窗口打开）
好家伙，世界动作模型（WAM）赛道，中国团队直接冲到了全球第一？！
视频生成也能查资料、做模拟：8B智能体学会自主调用工具（在新窗口打开）
从检索动作知识、寻找角色参考，到模拟运动和衔接镜头，一个经过强化学习的智能体，能给视频生成带来多大提升？
把人类双手的「手感」移植给机器人：500 小时真实操作数据，任务成功率翻番（在新窗口打开）
拿起一枚生鸡蛋，手指需要施加恰到好处的力：既要防止滑落，又不能捏碎。拧一条湿毛巾，指尖的力道也要随着水分挤出不断调整。对人类而言，这些操作几乎出于本能。但如果只依赖视觉，摄像头拍得下手部轨迹，却捕捉不到手指接触的位置与按压的力度。
蚂蚁×浙大新研究：让AI在流式对话中“读懂”情绪 | EMNLP'26（在新窗口打开）
在与用户的实时对话中，AI能否及时感知情绪？模型给出的“高置信度”结论，又是否经得起推敲？
晕…这年头还有说人话的AI不（在新窗口打开）
不er，只有我一个人看不懂AI现在的说话方式了吗？
刚刚，GPT-6 Astra推翻59年核聚变猜想！（在新窗口打开）
一道悬了59年的核聚变难题，GPT-6 Astra只想了20分34秒，就交出了答案。
NeurIPS 2026 Spotlight｜拒绝模型「自作主张」，VisInteract用交互搜索找回意图（在新窗口打开）
数据要让人看懂，通常得先从数据库里查出来，再画成图。文本到可视化（Text-to-Vis）做的就是这件事：用户说出想看什么，系统去库里查询，再用图表把需要的数据展示出来。
USENIX Security 2026｜上海创智学院×复旦大学给智能体装上轨迹「安全规则审计员」：让Agent的行动可审计、可解释（在新窗口打开）
智能体时代，安全研究不仅要关心模型说了什么，现在还必须进一步回答：它做了什么、为什么这么做，以及这次的执行轨迹是否越过了当前场景明确规定的安全边界。
NeurIPS 2026 | 长推理为何总在中途走偏？SAGE用结构信号纠偏，AC实例验证通过率接近8倍（在新窗口打开）
大模型解短题常能给出流畅答案，推理链一长，却可能每一步都看似合理、终点仍然失效。来自弗吉尼亚理工大学、威斯康星大学麦迪逊分校和达特茅斯学院的研究团队在 NeurIPS2026 论文中提出 SAGE：用符号闭包分析（SCA）解释长推理中的探索偏差与累积偏差，再把这一诊断变成训练时的结构引导。
翻完OpenAI的722篇数学手稿，我们挑出了最重的30道名题（在新窗口打开）
今天上午，OpenAI 把一个尚未发布的内部模型产出的 722 篇数学手稿一次性放上了 GitHub。发布本身的来龙去脉、模型背景和数学界的争议，我们在上一篇报道里已经梳理过。这一篇换个角度，打开仓库，看看清单上到底有哪些成果。
4B模型下棋比肩大师、还会讲棋，陈丹琦团队怎么做到的？（在新窗口打开）
普林斯顿大学陈丹琦团队在arXiv发布约4B参数模型QUEEN，通过门控交叉注意力连接Leela与SmolLM3-3B，并引入四阶段课程和迭代搜索蒸馏，使其棋力接近特级大师且能用自然语言解释着法。
量化后画面闪烁？时序稳定的视频世界模型2-bit KV Cache压缩方案诞生（在新窗口打开）
哈尔滨工业大学（深圳）iLearn-Lab与新加坡国立大学LV-Lab提出免训练2-bit KV Cache量化框架QuantWM，改善视频世界模型量化后的时序闪烁与画质，并实现最高6.20倍缓存压缩。
黎曼猜想临界线零点比例下界达67.35%：清华团队开源模型VeriLoop E2叩开可验证智能之门（在新窗口打开）
清华团队开源以Qwen 3.8-27B为基础模型的VeriLoop E2，通过VGR外部证据门控实现可验证状态提交，并取得黎曼猜想临界线零点比例下界67.350003708785593%的严格有限维证书，但上游形式化桥接尚未完成。
RSI火了，但自进化也会过拟合：Google等提出RRSI，给自进化施加正则化（在新窗口打开）
Google等提出RRSI，通过正则化Agent Harness自我改进中的Proposal与Selection，减少过拟合与复杂度累积，并提升未见基准上的迁移表现、降低Token成本。
看懂不等于做对：VA-Bench测出大模型空间智能的执行断层（在新窗口打开）
VA-Bench测试12个主要多模态模型发现，Qwen3.8-max、Opus-5和GPT-5.6-sol虽在目标识别与定位上达100%、操作语义理解达99.6%—100%，完整任务成功率却仅为53.93%、52.86%和51.55%，暴露大模型从空间理解到执行与修正的断层。
参与交流
查看 AINRK 交流群说明
了解加入交流群的方式，阅读内容无需登录。