下一代目标检测模型：3B参数MLLM Rex-Omni首度超越Grounding DINO，统一10+视觉任务（在新窗口打开）
多模态大语言模型（MLLM）在目标定位精度上被长期诟病，难以匹敌传统的基于坐标回归的检测器。近日，来自 IDEA 研究院的团队通过仅有 3B 参数的通用视觉感知模型 Rex-Omni，打破了这一僵局。
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。
只演示一次，机器人就会干活了？北大&BeingBeyond联合团队用“分层小脑+仿真分身”让G1零样本上岗（在新窗口打开）
近日，来自北京大学与BeingBeyond的研究团队提出DemoHLM框架，为人形机器人移动操作（loco-manipulation）领域提供一种新思路——仅需1次仿真环境中的人类演示，即可自动生成海量训练数据，实现真实人形机器人在多任务场景下的泛化操作，有效解决了传统方法依赖硬编码、真实数据成本高、跨场景泛化差的核心痛点。
用155万模拟视频给模型上课！GVE模型一次学会9种视频检索技能（在新窗口打开）
当前视频检索研究正陷入一个闭环困境：以MSRVTT为代表的窄域基准，长期主导模型在粗粒度文本查询上的优化，导致训练数据有偏、模型能力受限，难以应对真实世界中细粒度、长上下文、多模态组合等复杂检索需求。
一个模型读懂所有医学数据，Hulu-Med探索医学大模型开源新范式 | 浙大x上交xUIUC（在新窗口打开）
从影像诊断到手术指导，从多语言问诊到罕见病推理—— 医学AI正在从“专科助手”进化为“全能型选手”。
Nature公开谷歌IMO金牌模型技术细节！核心团队仅10人，一年给AI编出8000万道数学题训练（在新窗口打开）
谷歌DeepMind的IMO金牌模型，完整技术全公开了！
AI 时代，印度崛起了（在新窗口打开）
大家好，我是 Ai 学习的老章 最近 GitHub 发布了 2025 年度开发者趋势报告
Claude Skills 新玩法：用 skill-creator 10 分钟搞定 Excel 报表自动化，职场人必学（在新窗口打开）
skill‑creator 是 Anthropic 在 Claude Skills 体系中提供的“元技能”。它本身是一个可直接在 Claude 对话中调用的 Skill，专门用于 帮助用户快速创建、编辑、打包其他自定义 Skill，从而让 Claude 能够在特定业务场景下拥有专业化的能力。
2M大小模型定义表格理解极限，清华大学崔鹏团队开源LimiX-2M（在新窗口打开）
提到 AI 的突破，人们首先想到的往往是大语言模型（LLM）：写代码、生成文本、甚至推理多模态内容，几乎重塑了通用智能的边界。但在一个看似 “简单” 的领域 —— 结构化表格数据上，这些强大的模型却频频失手。
一句话，我用豆包 AI 做出《红楼梦》互动游戏（在新窗口打开）
“一位老师，用 AI 做了个《林黛玉初进贾府》的互动游戏。”
让AI精准操作网页：CAMEL Hybrid Browser Toolkit深度解析（在新窗口打开）
本文档分析 CAMEL 项目中 hybrid_browser_toolkit 的技术实现，覆盖其架构设计、核心功能与通信协议。
跨层压缩隐藏状态同时加速TTFT和压缩KV cache!（在新窗口打开）
我们都知道 LLM 中存在结构化稀疏性，但其底层机制一直缺乏统一的理论解释。为什么模型越深，稀疏性越明显？为什么会出现所谓的「检索头」和「检索层」？
GRPO训练不再「自嗨」！快手可灵 x 中山大学推出「GRPO卫兵」，显著缓解视觉生成过优化（在新窗口打开）
目前，GRPO 在图像和视频生成的流模型中取得了显著提升（如 FlowGRPO 和 DanceGRPO），已被证明在后训练阶段能够有效提升视觉生成式流模型的人类偏好对齐、文本渲染与指令遵循能力。
小红书提出DeepEyesV2，从“看图思考”到“工具协同”，探索多模态智能新维度（在新窗口打开）
还记得今年上半年小红书团队推出的DeepEyes吗？
AI虚拟细胞诞生！科学家成功预测药物作用、细胞命运和器官发育（在新窗口打开）
科学家用 AI 预测细胞未来的命运照进了现实——在虚拟世界中重塑生命系统，这对药物发现、早期筛选和疾病预防至关重要。
清华团队：1.5B 模型新基线！用「最笨」的 RL 配方达到顶尖性能（在新窗口打开）
如果有人告诉你：不用分阶段做强化学习、不搞课程学习、不动态调参，只用最基础的 RL 配方就能达到小模型数学推理能力 SOTA，你信吗？
让LLM像公司一样干活：微软把“思维并发”做成了协议，准确率更高、关键路径时延降28%（在新窗口打开）
我们长期把LLM当成能独闯难关的“单兵”，在很多任务上，这确实有效。
NeurIPS 25开新坑：145万个图文对，覆盖八种主流水下理解任务（在新窗口打开）
华中科技大学团队推出首个水下多模态大模型NAUTILUS，支持8种水下场景理解任务，并开源145万图文对的NautData数据集。模型通过视觉特征增强模块解决水下图像模糊和颜色失真问题，性能超越现有模型，恶劣环境下表现更佳。
阿里发了个简历AI神器，大小仅0.6B（在新窗口打开）
复杂的简历，AI也能读懂了。 阿里巴巴集团研究团队，开发出了一套基于布局感知的简历解析框架。 该框架在简历解析任务上的准确率逼近Claude-4等业界顶尖大模型，处理整份简历仅需1-2秒。 而且这项创新直击自动化简历解析的三大痛点——版面格式多样、大模型成本高昂及响应速度慢，为智能招聘树立了新的效率与精度标杆。 该技术框架的论文《Layout-Aware Parsing Meets Efficient LLMs: A Unified, Scalable Framework for Resume Information Extraction and Evaluation》已发布。 长久以来，自动
全球第二、国内第一！钉钉发布DeepResearch多智能体框架，已在真实企业部署（在新窗口打开）
在数字经济浪潮中，企业对于高效、精准的信息获取与决策支持的需求日益迫切。从前沿科学探索到行业趋势分析，再到企业级决策支持，一个能够从海量异构数据源中提取关键知识、执行多步骤推理并生成结构化或多模态输出的「深度研究系统」正变得不可或缺。
TypeScript超越Python成GitHub上使用最广语言，AI是主要驱动力（在新窗口打开）
开发者最常使用的编程语言是什么？相信很多人都会不假思索地选择 Python。
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。