世界模型：机器能否理解现实？（在新窗口打开）
人工智能研究的最新目标，尤其是在追求“通用人工智能”（AGI）的实验室中，是一个被称为“世界模型”（world model）的概念：这是一种AI内部携带的环境表征，就像一个计算型的雪球玻璃球。AI系统可以借助这个简化的内部模型，在真正执行任务之前，先对预测和决策进行评估。
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。
NeurIPS 2025 | DynaAct：DeepSeek R1之外，探索大模型推理的另一条道路（在新窗口打开）
大模型推理的爆发，实际源于 scaling 范式的转变：从 train-time scaling 到 test-time scaling（TTS），即将更多的算力消耗部署在 inference 阶段。典型的实现是以 DeepSeek r1 为代表的 long CoT 方法：通过增加思维链的长度来获得答案精度的提升。那么 long CoT 是 TTS 的唯一实现吗？
国产最强多模态宝座又易主？671B参数练就“火眼金睛”，基于DeepSeek打造（在新窗口打开）
智东西11月28日报道，刚刚，快手开源其新一代旗舰多模态大模型Keye-VL-671B-A37B。该模型基于DeepSeek-V3-Terminus打造，拥有6710亿个参数，在保持基础模型通用能力的前提下，对视觉感知、跨模态对齐与复杂推理链路进行了升级，实现了较强的多模态理解和复杂推理能力。
17万条推理轨迹扒出AI推理的真相：有劲儿，但用错了地方｜哈佛新论文解读（在新窗口打开）
而今天，来自 UIUC、华盛顿大学等机构的一群研究人员，通过一篇重磅论文《推理的认知基础及其在大型语言模型中的体现》，为这个“认知鸿沟”画出了一张精确的微观解剖图。
NeurIPS 2025 Oral | 1个Token零成本，REG让Diffusion训练收敛快20倍！（在新窗口打开）
REG 是一种简单而有效的方法，仅通过引入一个 class token 便能大幅加速生成模型的训练收敛。其将基础视觉模型（如 DINOv2）的 class token 与 latent 在空间维度拼接后共同加噪训练，从而显著提升 Diffusion 的收敛速度与性能上限。在 ImageNet 256×256 上，
混元OCR模型核心技术揭秘：统一框架、真端到端（在新窗口打开）
腾讯混元大模型团队正式发布并开源HunyuanOCR模型！这是一款商业级、开源且轻量（1B参数）的OCR专用视觉语言模型，模型采用原生ViT和轻量LLM结合的架构。目前，该模型在抱抱脸（Hugging Face）趋势榜排名前四，GitHub标星超过700，并在Day 0被vllm官方团队接入。
RAG不会过时，但你需要这10个上下文处理技巧|Context Engineering系列一（在新窗口打开）
RAG效果不及预期，试试这10个上下文处理优化技巧。对大部分开发者来说，搭一个RAG或者agent不难，怎么把它优化成生产可用的状态最难。在这个过程中，检索效率、准确性、成本、响应速度，都是重点关注问题。
北大新作EvoVLA：大幅降低机器人幻觉，长序列成功率暴涨10%（在新窗口打开）
具身智能的「ChatGPT时刻」还没到，机器人的「幻觉」却先来了？在需要几十步操作的长序列任务中，现有的VLA模型经常「假装在干活」，误以为任务完成。针对这一痛点，北京大学团队提出自进化VLA框架EvoVLA。该模型利用Gemini生成「硬负样本」进行对比学习，配合几何探索与长程记忆，在复杂任务基准Discoverse-L上将成功率提升了10.2%，并将幻觉率从38.5%大幅降至14.8%。
为什么记忆成为下一代 AI 的「核心变量」 | GAIR Live 20（在新窗口打开）
人工智能在过去的十年中，以惊人的速度革新了信息处理和内容生成的方式。然而，无论是大语言模型（LLM）本体，还是基于检索增强生成（RAG）的系统，在实际应用中都暴露出了一个深层的局限性：缺乏跨越时间的、可演化的、个性化的“记忆”。它们擅长瞬时推理，却难以实现持续积累经验、反思历史、乃至真正像人一样成长的目标。
谁将为这场史上最昂贵的AI军备竞赛买单？｜大公司（在新窗口打开）
过去数周，英伟达股价经历了一轮高位回调与震荡。目前市值相较于一个月前的高点已下降15.4%。虽然一周前最新季度财报发布后，公司超预期的业绩表现一定程度上稳定了市场信心，但隔天股价的下跌反映着情绪底色依然是消极的。
生成式AI赋能需求工程：一场正在发生的变革（在新窗口打开）
在软件开发领域，需求工程（Requirements Engineering, RE）一直是项目成功的关键环节。然而，传统 RE 方法面临着效率低下、需求变更频繁等挑战。根据 Standish Group 的报告，仅有 31% 的软件项目能在预算和时间内完成，而需求相关问题导致的项目失败率高达 37%。
RAG效果要提升，先搞定高质量Context Pruning（在新窗口打开）
Context Pruning如何结合rerank，优化RAG上下文？
大模型首次拥有“脖子”！纽大团队实现360度类人视觉搜索（在新窗口打开）
终于有人要给大模型安“脖子”了！ 在最新的论文Thinking in 360°: Humanoid Visual Search in the Wild中，来自纽约大学的研究团队让大模型能够环顾四周，进行360度的全方位思考。 他们通过定义一套全新的数据集和基础测试H*，让模型可以在火车站、购物中心等真实环境中，进行像人类一样的视觉搜索。 谢赛宁（也参与了这篇论文）在转发中，直接表示：这不就是给模型安了个脖子吗？ 这是怎么回事？ 类人视觉搜索 整体而言，研究团队首先提出了一项在360度空间中实现人类主动空间推理的新任务—— 类人视觉搜索（Humanoid Visual Search），这项任务能
AI基准测试集体塌房，最高84%都是坏题 ｜斯坦福最新研究（在新窗口打开）
基准测试（Benchmarks）在人工智能的发展进程中扮演着至关重要的角色，构成了评价生成式模型（Generative Models）性能的事实标准。对于从事模型训练与评估的AI研究者而言，GSM8K、MMLU等数据集的数据质量直接决定了评估结论的可靠性。
视频大模型新基元：用Object Tokens重塑细节感知与指代理解（在新窗口打开）
被顶会ICCV 2025以554高分接收的视频理解框架来了！
10000个代码文件，我打几把游戏的功夫就搞成Wiki了！（在新窗口打开）
天下程序员苦看懂老、大项目久矣。 例如猛地给你一个包含近10000个代码文件的项目，你就说把它们给吃透得花多长时间吧。 But！现在你不用再为此发愁了，因为有一款国产AI编程工具，会给你来一波实实在在的神助攻！ 多说无益，我们直接拿微软在GitHub上面的terminal仓库来打个样： Terminal仓库包含了大约7500个文件，编程语言涵盖C++、C#、JSON、XML、Markdown等。 接下来，我们先克隆一下： git clone —depth=1 https://github.com/microsoft/terminal.git 然后把这个项目导进国产AI编程工具里面，先点击仓库W
月之暗面公开强化学习训练加速方法：训练速度暴涨97%，长尾延迟狂降93%（在新窗口打开）
u1s1，现在模型能力是Plus了，但Rollout阶段的速度却越来越慢……
首个3D生成解构模型PartCrafter问世，GitHub狂揽2k星标（在新窗口打开）
从单张图像创建可编辑的 3D 模型是计算机图形学领域的一大挑战。传统的 3D 生成模型多产出整体式的「黑箱」资产，使得对个别部件进行精细调整几乎成为不可能。
编舞人失业！南理工+清华+南大新作：一首歌实现高质量和谐群舞（在新窗口打开）
当元宇宙数字人急需「群舞技能」，音乐驱动生成技术却遭遇瓶颈——舞者碰撞、动作僵硬、长序列崩坏。为解决这些难题，南理工、清华、南大联合研发端到端模型TCDiff++，突破多人生成技术壁垒，实现高质量、长时序的群体舞蹈自动生成。
通用脑机接口时代要来了？跨尺度脑基础模型CSBrain真正读懂脑信号（在新窗口打开）
脑机接口（Brain-Computer Interface, BCI）被视为连接人类智能与人工智能的终极界面。要真正实现这一愿景，核心在于高精度的脑信号解码，即让通用 AI 模型能够真正「读懂」复杂多变的脑活动。
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。