终于不用为GPU算力发愁了，10块钱训练一个GPT！（在新窗口打开）
前不久写了一期卡神做的 nanochat ，听朋友说咱们国产早就有类似的开源项目了：miniMind 。
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。
文献、报告、合同翻译的老大难被国产工具治了？三大翻译神器横评后，这家稳得离谱（在新窗口打开）
“开组会是一场巨大的精神霸凌。” 哪怕毕业了这么多年，在社交软件看到这几个字的时候心里还是咯噔了一下… 毕竟，导师一句“这些文献你先读一读哈～”往往意味着：马上要啃几十页外文PDF、上百条术语、无数个长难句！！！！（难啊……） 就在我们“苦中作业”的时候，我发现了百度翻译里的一个隐藏板块——叫「文档翻译」，据说不仅翻译水平在线，支持200+种语言翻译，连文章的排版、格式都能高度还原？ 这么好的功能当然不放过，我立刻把它拉进横评跑了一遍，测下来最直观的感受是—— 翻译够准、排版能打，连对照阅读都安排上了： 不仅如此，翻的时候旁边还挂着个AI助手，能一边总结文章内容、一边帮你划重点，嗯..感觉像是
何恺明重磅新作：Just image Transformers让去噪模型回归基本功（在新窗口打开）
大家都知道，图像生成和去噪扩散模型是密不可分的。高质量的图像生成都通过扩散模型实现。
登顶开源SOTA！上交大&小红书LoopTool实现工具调用任务的「数据进化」（在新窗口打开）
在过去两年，大语言模型 (LLM) + 外部工具的能力，已成为推动 AI 从 “会说” 走向 “会做” 的关键机制 —— 尤其在 API 调用、多轮任务规划、知识检索、代码执行等场景中，大模型要想精准调用工具，不仅要求模型本身具备推理能力，还需要借助海量高质量、针对性强的函数调用训练数据。
周靖人署名，通义实验室开源智能体自进化系统：让模型学会“自我反思”，14B也能越级打怪（在新窗口打开）
智能体自进化，阿里开源了新成果。 通义实验室提出了一种能够自进化的智能体系统——AgentEvolver。 通过自我提问、自我导航、自我归因三个模块，AgentEvolver可以在开放环境中自主演化出行为能力。 在相同规模的14B模型上，AgentEvolver将基准模型的平均完成率从29.8%大幅提高到57.6%。 目前该系统已在GitHub上线，技术报告也同步发布，作者署名当中包括了阿里副总裁、阿里云智能CTO周靖人。 模型智能体效果飞升 从综合性能来看，AgentEvolver在AppWorld和BFCL v3等长程复杂任务基准测试中展现了惊人的爆发力。 以14B模型为基座，其任务平均完
无需重训练+即插即用+性能零损耗，蚂蚁集团×南洋理工首发微调安全框架，让模型既安全又高效（在新窗口打开）
无需重新训练，也能一键恢复模型的安全意识了。
NeurIPS 2025 | 上下文元学习实现不微调跨被试脑活动预测（在新窗口打开）
人类高级视觉皮层在个体间存在显著的功能差异，而构建大脑编码模型（brain encoding models）—— 即能够从视觉刺激（如图像）预测人脑神经响应的计算模型 —— 是理解人类视觉系统如何表征世界的关键。传统视觉编码模型通常需要为每个新被试采集大量数据（数千张图像对应的脑活动），成本高昂且难以推广。
ConsistEdit来了：无需训练，实现高精度、高一致性的视觉编辑新范式（在新窗口打开）
无需额外训练即可适配预训练生成模型的编辑方法，凭借灵活、高效的特性，已成为视觉生成领域的研究热点。这类方法通过操控 Attention 机制（如 Prompt-to-Prompt、MasaCtrl）实现文本引导编辑，但当前技术存在两大核心痛点，严重限制其在复杂场景的应用
MiniMax M2 太猛了，推出9.9元编程套餐，又打中开发者心趴！（在新窗口打开）
MiniMax，今年真猛。 两周前，我在写 MiniMax M2 开源首发那篇文章的时候，当时就被它的性能和价格震撼到了——全球榜单第五，价格却只有 Claude 的 8%。 果然，M2 火了。 收到很多粉丝和朋友反馈，有人已经接入 Claude Code 在用，有人在 Cursor 里跑起来了，也有几个创业公司的伙伴把 AI 后端从 Claude 换成了 M2，大大节省了成本。 再说个数据，M2 发布仅有两周，在全球最大的 AI 模型聚合平台 OpenRouter 上，MiniMax M2 的 token 调用量已经冲到了 Top5，成为调用量最大的国产模型，增速也是最猛的。 OpenRou
从《塞尔达传说》理解 Agent 的上下文工程：Claude Skills 还是被低估了（在新窗口打开）
Claude 近期发布的 Skills 功能很火，不少开发者都在尝试、试用。
华为诺亚发布ScaleNet：模型放大通用新范式（在新窗口打开）
在基础模型领域，模型规模与性能之间的缩放定律（Scaling Law）已被广泛验证，但模型增大也伴随着训练成本、存储需求和能耗的急剧上升。如何在控制参数量的前提下高效扩展模型，成为当前研究的关键挑战。
视频生成Prompt何须仅是文字！字节&港中文发布Video-As-Prompt（在新窗口打开）
视频创作中，你是否曾希望复刻变成 Labubu 的特效，重现吉卜力风格化，跳出短视频平台爆火的同款舞蹈，或模仿复杂有趣的希区柯克运镜？
ChatGPT求婚火了，一句「我愿意」刷屏！网友：是真爱了（在新窗口打开）
从浪漫订婚到失落痛哭，AI爱情正在撕开新的社会裂缝。在哈佛MIT，一项研究揭示：AI伴侣既能抚慰孤独，也可能让人陷入依赖。当《Her》变成现实，我们或许才刚刚面对真正的挑战。
医疗AI智能体全面综述：行业爆发，年增长130%！（在新窗口打开）
AI智能体正把医疗AI从「看片子」升级成会思考、能行动的「医生搭档」。研究人员发表的最新综述，用通俗语言拆解智能体如何读懂多模态数据、像专家一样规划决策，又能扮演医生、护士、健康管家等多重角色；同时提醒：越智能越危险，必须配套严格评估、隐私保护与伦理护栏，才敢让它走进真实诊疗。
视频模型真在推理，还是「表演」推理？港中文等质疑：Chain-of-Frame是真的吗？（在新窗口打开）
近年来，以 Veo、Sora 为代表的视频生成模型展现出惊人的合成能力，能够生成高度逼真且时序连贯的动态画面。这类模型在视觉内容生成上的进步，表明其内部可能隐含了对世界结构与规律的理解。更令人关注的是，Google 的最新研究指出，诸如 Veo 3 等模型正在逐步显现出超越单纯合成的 “涌现特性”，包括感知、建模和推理等更高层次能力。
真机RL！最强VLA模型π*0.6来了，机器人在办公室开起咖啡厅（在新窗口打开）
本周，美国具身智能创业公司 Physical Intelligence（简称 PI 或 π）发布了旗下的最新机器人基础模型 π*0.6。PI 是一家总部位于旧金山的机器人与 AI 创业公司，其使命是将通用人工智能从数字世界带入物理世界：他们的首个机器人通用基础模型名为 π₀，让同一套软件控制多种物理平台执行各类任务。
上下文工程：为什么你的 AI Agent 总是“断片”？（在新窗口打开）
AI Agent 在处理复杂任务时经常“掉链子”。你刚告诉它的信息，它很快就忘了。给它的工具越多，它反而越混乱。这不是个例。
金山与华科发布多模态模型MonkeyOCR v1.5：文档解析能力超越PaddleOCR-VL，复杂表格解析首次突破90%（在新窗口打开）
是金山派来的猴子，复杂文档解析有救了！ 2025年6月以来，多模态文档解析领域迎来新一轮研究热潮，该方向逐渐成为多模态理解及大模型数据来源的重要前沿课题。 在数字化办公与AI技术深度融合的今天，文档智能解析技术已成为信息抽取、检索增强生成和自动化文档分析的核心基石。然而，现实世界中的文档往往布局复杂、表格嵌套、内含图片公式，甚至跨页分布，这让许多现有的OCR（光学字符识别系统，Optical Character Recognition）系统感到棘手。 MonkeyOCR v1.5是一个全新的统一视觉-语言文档解析框架。它在全能多模态文档解析基准OmniDocBench v1.5，OCRFlux
韩松等提出FlashMoBA，比MoBA快7.4倍，序列扩到512K也不会溢出（在新窗口打开）
今年 2 月，月之暗面提出了一种名为 MoBA 的注意力机制，即 Mixture of Block Attention，可以直译为「块注意力混合」。
谢赛宁盛赞字节Seed新研究！单Transformer搞定任意视图3D重建（在新窗口打开）
单Transformer搞定任意视图3D重建！
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。