为什么给机器人装上昂贵的触觉传感器，反而让它变笨了？（在新窗口打开）
这项工作由伊利诺伊大学香槟分校 (UIUC)、哈佛大学、哥伦比亚大学和麻省理工学院 (MIT) 的合作完成 。
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。
句子级溯源+生成式归因，C²-Cite重塑大模型可信度（在新窗口打开）
在人工智能快速发展的今天,大语言模型已经深入到我们工作和生活的方方面面。然而,如何让AI生成的内容更加可信、可追溯, 一直是学术界和工业界关注的焦点问题。想象一下,当你向ChatGPT提问时,它不仅给出答案,还能像学术论文一样标注每句话的信息来源——这就是"溯源大语言模型"要解决的核心问题。
Struct Array 如何让多向量检索返回完整实体？知识库、电商、视频通用|Milvus Week（在新窗口打开）
本文为Milvus Week系列第二篇，该系列旨在分享Zilliz、Milvus在系统性能、索引算法和云原生架构上的创新与实践，以下是DAY2内容划重点： Struct Array + MAX_SIM ，能够让数据库看懂 “多向量组成一个实体” 的逻辑，进而原生返回业务要的完整结果
AI 社交增长范式重构：“价值重估”与市场分化（在新窗口打开）
上周，X博士发布了《中国In-App AI生态演进》报告，揭示了国内移动互联网下半场关于“意图主权”的隐秘争夺。 今天，X博士将目光投向更广阔的全球赛道——《ChatGPT“嵌入”社交链：AI社交从“
迎接「万物皆可RAG」时代：最新综述展示50多种多模态组合的巨大待探索空间（在新窗口打开）
大模型最广泛的应用如 ChatGPT、Deepseek、千问、豆包、Gemini 等通常会连接互联网进行检索增强生成（RAG）来产生用户问题的答案。随着多模态大模型（MLLMs）的崛起，大模型的主流技术之一 RAG 迅速向多模态发展，形成多模态检索增强生成（MM-RAG）这个新兴领域。ChatGPT、千问、豆包、Gemini 都开始允许用户提供文字、图片等多种模态的输入。
解读CUDA（在新窗口打开）
“既然我可以直接使用 PyTorch，为什么还要费心使用 CUDA 呢?”
世界模型和具身大脑最新突破：90%生成数据，VLA性能暴涨300%｜开源（在新窗口打开）
VLA模型性能暴涨300%，背后训练数据还首次实现90%由世界模型生成。
arXiv禁用AI，糊涂！18所高校联合发布首个AI科研评审平台（在新窗口打开）
arXiv最新政策禁止直接接收未经同行评审的综述和立场论文，以应对AI生成论文的泛滥，但堵不如疏。多伦多大学、清华、北大等18所国内外顶尖高校联合发布新平台aiXiv，支持AI和人类共同撰写、评审和迭代科研成果，采用多阶段AI同行评审机制，提升效率和质量。
进化Dify！还支持MCP，这款开源AI数据库绝了～【附喂饭级教程】（在新窗口打开）
大家好，我是袋鼠帝。 最近我在折腾本地AI知识库的时候，在Github发现了一个特别有意思的新项目，叫seekdb。
无需标注图像，VLM也能「自我进化」！RL自我进化框架VisPlay突破视觉推理难题（在新窗口打开）
在 Vision-Language Model 领域，提升其复杂推理能力通常依赖于耗费巨大的人工标注数据或启发式奖励。这不仅成本高昂，且难以规模化。
全面战胜ReAct！斯坦福全新智能体推理框架，性能提升112.5%（在新窗口打开）
斯坦福和MIT的研究团队推出了一种新的AI智能体推理框架ReCAP，在长上下文任务中全面超越了现有的主流框架ReAct，性能提升显著。ReCAP通过独特的递归树结构和三大机制，解决了大语言模型在复杂任务中常见的目标漂移、上下文断层和成本爆炸等问题。
架构解耦是统一多模态模型所必须的吗？全新AIA损失：No（在新窗口打开）
近一年以来，统一理解与生成模型发展十分迅速，该任务的主要挑战在于视觉理解和生成任务本身在网络层间会产生冲突。早期的完全统一模型（如 Emu3）与单任务的方法差距巨大，Janus-Pro、BAGEL 通过一步一步解耦模型架构，极大地减小了与单任务模型的性能差距，后续方法甚至通过直接拼接现有理解和生成模型以达到极致的性能。
DeepSeek-V3.2｜技术报告解读（在新窗口打开）
这是一篇报告解读，原文是《DeepSeek-V3.2: Pushing the Frontier of Open Large Language Models》
AAAI 2026 | 首个抗端到端攻击的大模型加密指纹 / 水印方案（在新窗口打开）
随着大语言模型（LLM）的商业价值快速提升，其昂贵的训练成本使得模型版权保护（IP Protection）成为业界关注的焦点。然而，现有模型版权验证手段（如模型指纹）往往忽略一个关键威胁：攻击者一旦直接窃取模型权重，即拥有对模型的完全控制权，能够逆向指纹 / 水印，或通过修改输出内容绕过指纹验证。
字节视频模型超越Gemini 3 Pro！理解能力爆表，小时级素材也能直出剪辑方案（在新窗口打开）
字节新视频模型Vidi2，理解能力超过了Gemini 3 Pro。
88.9 倍性能飙升！JSON Shredding 让 JSON 查询告别全表扫描| Milvus Week（在新窗口打开）
本文为Milvus Week系列第一篇，该系列旨在分享Zilliz、Milvus在系统性能、索引算法和云原生架构上的创新与实践，以下是DAY1内容划重点：
英伟达拿出推理版VLA：Alpamayo-R1让自动驾驶AI更会动脑子（在新窗口打开）
当今自动驾驶模型越来越强大，摄像头、雷达、Transformer 网络一齐上阵，似乎什么都「看得见」。但真正的挑战在于：模型能否像人一样「想明白」为什么要这么开？
Claude Agent Skills第一性原理深度解析（在新窗口打开）
最近看到一篇关于Claude Skills的质量非常高的文章， 标题：Claude Agent Skills: A First Principles Deep Dive 链接：https://leehanchung.github.io/blogs/2025/10/26/claude-skills-deep-dive/
深入AI Agent内核: Google gemini-cli 源码深度解构（在新窗口打开）
随着大语言模型与开发工具链的深度融合，命令行终端正被重塑为开发者的AI协作界面。本文以 Google gemini-cli 为范本，通过源码解构，系统性分析其 Agent 内核、ReAct 工作流、工具调用与上下文管理等核心模块的实现原理。为希望构建终端 Agent 的开发者，提供工程实现的系统化参考。
6B文生图模型，上线即登顶抱抱脸（在新窗口打开）
6B小模型，首日下载量高达50万次，上线不到两天直接把HuggingFace两个榜单都冲了个第一。
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。