Agent记忆新范式Recuris：3B小模型到Claude Opus 5全线暴涨（在新窗口打开）
在此背景下，新加坡国立大学、普林斯顿大学与斯坦福、牛津等研究团队合作提出了 Recuris（Recursive Experiential–Working Memory Evolution），作为首个将递归自我改进应用在记忆控制层内的智能体架构，Recuris 通过三项核心技术突破，无需训练即成功实现了从 3B 小模型到 Claude Opus 5 的全面提升。
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。
从条件匹配到相似检索：同程旅行慧行搜索的火车换乘方案向量化实践（在新窗口打开）
借助高效的相似方案召回，同程旅行不仅能按照用户的人数、时间、预算、座位约束条件找到最佳的直达线路；也能在直达票售罄的情况下，帮助用户快速找到如：车内换座直达、短换乘时间等替代方案。
中国AI突破「造芯方法论」！Agent军团接管芯片设计全流程（在新窗口打开）
RSI（Recursive Self-Improvement，递归自我改进）正在成为人工智能领域最受瞩目的前沿方向。
把PLC仿真搬进浏览器，小参数模型也能实现高工程通过率（在新窗口打开）
AI正在改变软件开发方式。过去需要从零编写的程序，现在可以用自然语言描述需求，再由AI生成代码初稿。
单卡可跑18万原子！分子模拟的“规模焦虑”该终结了（在新窗口打开）
人类距离真正理解生命还有多远？ 离子穿过通道、药物分子穿过细胞膜、蛋白质折叠成特定构象……生命体从来不是一张静态的蓝图，要探究其中的奥秘，实验之外，计算模拟是另一只眼睛。 近年来，AI模型的介入正在不断刷新分子动力学模拟的边界，让精度与规模兼得的目标越来越近。 但这还远远不够。从“跨过鸿沟”到“可以日常使用”，仍需进一步降低训练成本、提高泛化能力、提升推理速度。 至知创新研究院UBio团队发布的UBio-MolFM v1.5，在这个方向上又往前迈进了一大步。 UBio-MolFM是以量子化学精度、在真实生理环境下对生物大分子进行分子动力学模拟的机器学习原子间势函数。在推理时能以接近经典力场量级
Anthropic 重磅发布：AI Native 软件开发方法论（在新窗口打开）
Anthropic 最近发布了一篇博客文章《The AI Native SDLC playbook》，讨论AI进入软件开发之后，整个软件开发生命周期（Software Development Life Cycle，简称 SDLC）应该怎么重做。
我们给DeepSeek Harness接入了MemSearch ，自动把Memory提炼成Skill（在新窗口打开）
DeepSeek Harness(DSH) 的口号，大家应该都有所了解，模型、工具、Skills、会话、沙箱、存储、Agent Loop、调度，甚至 UI，一切皆插件。
AI能否独立开展科研？ASI-Bench为科学自主性建立评测标尺（在新窗口打开）
如果超级智能有黎明， 我们现在大概在黎明破晓前。 天还没亮，但地平线上已经有光了。
V-RAE：把「看懂视频」的能力带入生成，重新思考视频模型的潜空间（在新窗口打开）
近日，新加坡国立大学 Minghui Guo 与牛津大学 Shengqiong Wu、Hao Fei 在论文《V-RAE: Rethinking Video Latent Spaces for Generation》中提出视频表征自编码器 V-RAE。该方法以冻结的视觉基础模型为编码器，通过轻量级时间池化压缩视频特征，并将具有丰富语义和时间连续性的表征直接用于视频重建、生成与未来预测。
我的 AI 原生开发流程：一个真实案例的完整复盘（在新窗口打开）
很多人对 AI 开发的理解停留在"让 AI 帮我写代码"。
华师大智金院孵化金融原生基模Mint-Agent：超越GPT-5.6与Claude Opus 4.8，商业订单已超亿元（在新窗口打开）
由华东师大智金院团队孵化的金融原生 Agentic Foundation Model 家族 Mint-Agent 正式发布。在 FinanceAgentBench v2 上，27B 的 Mint-Ag 达到 60.49%，超过 GPT-5.6-Sol 与 Claude Opus 4.8；单题推理成本分别仅为两者的约 22% 和 10%。
最强AI改进自己仅得0.16分? Einsia AI发布AI4AI-Bench: AI能否设计出更好的AI？（在新窗口打开）
导读 AI 能否改进 AI 自己？ AI 已经会写 AI、训练 AI、优化 AI 系统；下一个里程碑，是 AI 能不能开始「设计 AI」。 对于今天的 Coding Agent 来说，它能介入的改进大致有三层： 系统工程解决算子、并行和通信，最终受硬件上限约束；数据工程改进配比、合成和清洗，受高质量信息供给限制；而算法设计改变的是目标函数、更新规则和训练流程本身。 这一层最特殊，一个更好的算法改变的是：在同样的数据和算力下，究竟能换来多少能力。 Adam、DPO、GRPO 这样的进步一旦出现，就能持续影响之后的一代代模型。 所以，如果 Recursive Self-Improvement 真要
VC开始靠AI预测未来了（在新窗口打开）
七月，DigClaw的预测框架Rhizome v1，在FutureX评测平台上取得了#1、#3、#7三个席位。
AI4S开始进入「项目时代」：紫东太初把AI从做Task推向做Project（在新窗口打开）
AI for Science，正在进入一个新的分水岭。
都在问世界模型怎么落地，PixVerse把答案做成了「好玩」（在新窗口打开）
这两年，互动娱乐先在线下火了一轮。 比如去河南开封万岁山武侠城，不少游客已经不只是奔着景点和演出去的了。有人专门找 NPC 猜拳、接任务、换「银票」，也有人刷到某个 NPC 的短视频后，直接跑到景区找真人互动。万岁山目前有近 2000 名 NPC，每天上演上千场互动。一些游客甚至会为了没走完的任务和没遇到的角色，专门规划二刷、三刷。 这类体验火起来并不难理解。普通表演，在家刷手机就能知道大体剧情，现场看也就图个视觉效果。但和 NPC 玩就不一样了，每次互动都是自己亲身参与的，一些机智的 NPC 还能现挂，随机抖出金句，去一次能记好久。 这些项目的走红也说明：互动式娱乐的市场，正在爆发。 线下已
斯坦福实验实锤: 魔改后的DS V4 Flash干翻Fable 5（在新窗口打开）
同样的模型，同样的任务，让它执行五遍，再让他自己挑一遍最稳的，效果能有多大提升？斯坦福把这套玩法用在了AI身上，DeepSeek V4 Flash在Terminal-Bench 2.1的成绩从79%一路涨到88%，反超了尖子生Fable 5。而且连做五遍加挑选这一通折腾，价格依然比Fable 5便宜了4-11倍。
把事实核查嵌入诊疗流程：MedGuard给「诊疗安全」当守门人（在新窗口打开）
在线问诊中，一句 “你的脂肪肝不用担心”，背后可能隐藏着什么？
一行命令，我把 Claude Code 和 Codex 打通了（在新窗口打开）
关于无缝衔接 Claude Code 和 Codex 这件事。
法国团队：死后人脑通过无监督学习操控机械手弹钢琴！完了，以后算力中心全是脑花了！（在新窗口打开）
最近，一支法国科研团队干了一件听起来像赛博朋克小说开场的事：把来自死后供体的成人脑切片泡在培养皿里，接上一只机械手和一个麦克风。相关论文的标题是：《人类大脑离体培养物的无监督感觉-运动关联学习，使机器人实现动作模仿》。
300多组控制实验、70万余TPU小时，普林斯顿团队给出全开放文生图配方i1（在新窗口打开）
近来文生图模型发展迅速，但每篇工作多是独立地引入一整套模型、数据和训练设计，然后用私有的数据训出来了一个亮眼的模型。
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。