多模态大模型训练的显存与吞吐困局，被小红书开源的BigMac打破了（在新窗口打开）
BigMac 是原生多模场景下的流水并行训练新范式。它针对多模态大模型训练中计算效率与显存占用难以兼顾的问题，提出了依赖安全的嵌套流水线：以成熟的 LLM 流水线为主干，在不打乱 LLM 执行顺序的前提下，有序嵌入编码器和生成器计算，从而在不增加 LLM 流水线空泡、保持激活显存有界的同时，高效实现多模态流水训练。
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。
把思考折叠进序列：WeLM 617B MoE的隐式Scaling路径（在新窗口打开）
新智元报道 大模型变强，过去靠两条路。 做大——Scaling Law出现后，参数从百亿推向千亿，算力支出一路飙升。 想久——o1带火思考模型，用更长的思维链、更多推理时间换结果。 问题是，除了Sca
把动作「画」给视频世界模型，跨本体双向推演，李飞飞参与（在新窗口打开）
如果要让机械臂把咖啡机旁的杯子移到桌上，需要经历哪几个步骤？
真实工作流，正在成为下一代训练数据（在新窗口打开）
数据市场的故事，正在进入新一轮周期。来自企业真实工作流的 Real-world Data，成为越来越多 AI Labs 争夺的新资源。比如 GitHub 就是典型的 Real-world Data，它几乎完整保留了一个问题从出现到解决的全过程。相比之下，今天绝大多数 Human Data 公司提供的，仍是人为构造的数据。
让Agent学会「如何演化」：清华、华为提出层次化技能元演化框架HiSME（在新窗口打开）
当大模型 Agent 被部署到工具调用、长程任务和开放环境中，一个关键问题会随之出现：能否在不更新模型参数的情况下，将执行经验沉淀下来，并在下一次做得更好？
Workflow Gym：告别仿真测试，抹平Agent落地鸿沟（在新窗口打开）
你可能已经在各种 benchmark 榜单上看过 GUI Agent 的 "大胜" 了。
模型没答错，只是没看表：AAAI这篇时序问答方法让AI学会“穿越时间”找答案（在新窗口打开）
向ChatGPT问一个看起来挺简单的问题：“Lasha Talakhadze之前的奥运举重纪录是多少？”
机器人双手迎来全栈训练系统：灵初智能EgoSteer让灵巧手无所不能（在新窗口打开）
记得何同学做过一个超复杂的流水线项目吗？
机器人为啥困在Demo？讯飞新公司爻方智能给出答案：缺一味「本体认知」（在新窗口打开）
逛过WAIC具身智能展区的人，多半有同一个疑问： 都2026年了，机器人干活，怎么还是慢吞吞的？
AI幻觉最可怕的人类副作用出现了（在新窗口打开）
最新研究发现，AI幻觉不只会骗你了，还能喂大你的自信心、削弱你的判断力。
139.6倍加速、100%安全约束：影眸科技提名具身顶会RSS最佳论文（在新窗口打开）
在近日的具身智能顶会 RSS（Robotics: Science and Systems）2026 上，最高奖项 Outstanding Paper Award 提名名单里，出现了一个不太 “机器人” 的名字 —— 影眸科技，一家头部 3D 生成大模型公司。
ECCV 2026｜把全球3D地图变成无人机训练场，国防科大AirZoo构建航拍几何3D视觉统一基准（在新窗口打开）
国防科技大学虚拟现实与视觉计算团队（SAW Lab）联合先进制导与控制技术国家级重点实验室等推出面向航拍几何 3D 视觉的统一大规模数据集与评测基准 「AirZoo」。
分享一个Skill，帮你把电影画面拆成可复用的视觉系统。（在新窗口打开）
嗨大家好！我是阿真！ 刷短视频就是这点不好，上次看到一个 AI 视频拆解分析的教程，感觉很有意思，刷完了过两天忘记在哪里刷的了。
AI PPT一改就崩？MemSlides登顶抱抱脸，让Agent记住你的改稿习惯（在新窗口打开）
最尴尬的一刻，往往不是AI PPT生成失败。
刚刚 PhyAgent OS 重磅升级，具身智能迎来新一代开源操作系统（在新窗口打开）
智能的下一阶段，已从“模型”转向“系统可靠性和进化性”的比拼。
给AI喂“噪声”也能涨分，这项工作让噪声实现正迁移 | ICML26（在新窗口打开）
迁移学习里的“源数据”，未必非得是图像、文本或音频。
满血DeepSeek V4塞进办公室！专属「Token工厂」成标配（在新窗口打开）
一夜之间，Tokenmaxxing成为硅谷热议话题！
唐杰预告「GLM史诗级升级」！技术论文入选顶会COLM（在新窗口打开）
炒股到现在最对不起的，就是家人。 而智谱的这一轮暴跌，确实已经到需要认真向家人解释的程度了。 7月17日（周五），智谱收跌28.49%，股价报1107港元，单日市值蒸发超过2000亿港元。 7月20日（周一），股价盘中再度跌超16%，跌破1000港元。若按6月22日盘中2980港元的历史高点计算，累计最大回撤已超过66%。 对于智谱的这波“回撤”，外界已经有很多说法，但最扎眼的导火索可能来自同行。 7月16号，月之暗面放出了Kimi K3。总参数2.8万亿，原生支持视觉理解和100万Token上下文，Kimi称它为全球首个开源的3万亿级模型。 接下来的几天，大家都知道了。 不过，也就是这周开盘
视频世界模型推理最高提速2.59×！浙大新作无需重训，不改参数（在新窗口打开）
交互式视频世界模型正在从「一次性生成短片」走向「像游戏一样边操作边生成」。但长轨迹交互会迅速放大上下文、显存和多步去噪开销。Light Interaction不改模型参数、不重新训练，只在推理阶段把相机轨迹变成调度信号，动态选择历史上下文、在回访状态复用去噪输出，并用面向自回归生成的3D稀疏注意力降低计算。
纠偏率98.15%！方向感觉醒，第一视角认路的国产AI开挂了（在新窗口打开）
商业地图可以告诉机器人「前方右转」，却无法直接告诉它眼前应该从哪里转、沿哪一侧通过；即使已经生成路线，控制误差、地面变化和动态障碍，也可能让机器人在行进过程中逐渐偏离。
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。