AI太空竞赛？英伟达H100刚上天，谷歌Project Suncatcher也要将TPU送上天（在新窗口打开）
11 月 2 日，英伟达首次把 H100 GPU 送入了太空，参阅报道《英伟达发射了首个太空 AI 服务器，H100 已上天》。而刚刚谷歌宣布，他们也要让 TPU 上天。
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。
最强开源0.9B级OCR模型！PaddleOCR-VL本地一键部署，私密性拉满【喂饭级教程】（在新窗口打开）
前不久我写了一篇百度最新的OCR模型（PaddleOCR-VL）的文章反响还不错。
震荡股市中的AI交易员：DeepSeek从从容容游刃有余? 港大开源一周8k星标走红（在新窗口打开）
2025 年 10 月，美股经历了一轮典型的震荡行情：月初科技股强势反弹，月中通胀数据扰动市场，10 月 10 日前后纳指单日波动超过 3%。就在这波谲云诡的市场环境中，港大黄超教授团队的开源 AI-Trader 项目正式启动实盘测试。该项目上线一周时间在 GitHub 上获得了近 8K 星标，展现了社区对 AI 自主交易技术和金融市场分析的能力高度关注。
清华AI数学家系统攻克均匀化理论难题！人机协同完成17页严谨证明（在新窗口打开）
当AI不再只是解题机器，而能与人类并肩完成严谨的科研证明，这意味着什么？
让AI生成视频「又长又快」：Rolling Forcing实现分钟级实时生成（在新窗口打开）
想象一下，你正在玩一款开放世界游戏，角色在无缝衔接的世界中自由漫游，游戏引擎必须实时生成一条无限长的视频流来呈现这个虚拟世界。或者，你戴着 AR 眼镜在街头行走，系统需要根据你的视线与动作，即时生成与你环境交互的画面。无论是哪种场景，都对 AI 提出了同样的要求：能实时生成高质量、长时间连贯的视频流。
多模态大模型理解物理工具吗？PhysToolBench提出了衡量多模态大模型对物理工具理解的基准（在新窗口打开）
人类之所以能与复杂的物理世界高效互动，很大程度上源于对「工具」的使用、理解与创造能力。对任何通用型智能体而言，这同样是不可或缺的基本技能，对物理工具的使用会大大影响任务的成功率与效率。
Context Engineering 2.0：在未来，一个人的本质，就是其所有上下文的总和｜上海交大（在新窗口打开）
在几天前，上海交大发布了一篇名为 《上下文工程2.0：上下文工程的上下文》（Context Engineering 2.0: The Context of Context Engineering） 的重磅论文。
Embedding相似度不是万金油，电商、 新闻场景如何按时效性做rerank（在新窗口打开）
同样是语义相似度结合时效性做rerank，指数衰减、高斯衰减、线性衰减怎么选？ 假设你要在一个新闻应用中落地语义检索功能，让用户搜索雷军的投资版图盘点时，能自动关联顺为资本、小米战投等核心关联信息。
聚焦手机AI“超级入口”，中兴Nebula小模型让手机秒变“小秘”？（在新窗口打开）
随着移动智能技术的飞速迭代，手机端聚合服务的AI“超级入口” 正成为行业竞争的新焦点——
Prompt-R1：让Agent代替你和GPT多轮交互！（在新窗口打开）
这篇论文提出了一种颠覆性的协作模式，即通过强化学习训练一个“小模型”作为智能代理（Agent），让它自动学会如何写出完美的Prompt，一步步引导任何一个“大模型”完成复杂推理，实现了真正的“AI指挥AI”。
HF日趋榜一！真端到端模型AutoDeco终结手动调参解码（在新窗口打开）
大语言模型（LLM）的「炼丹师」们，或许都曾面临一个共同的困扰：为不同任务、不同模型手动调整解码超参数（如 temperature 和 top-p）。这个过程不仅耗时耗力，而且一旦模型或任务发生变化，历史经验便瞬间失效，一切又得从头再来。
字节Seed团队发布循环语言模型Ouro，在预训练阶段直接「思考」，Bengio组参与（在新窗口打开）
现代 LLM 通常依赖显式的文本生成过程（例如「思维链」）来进行「思考」训练。这种策略将推理任务推迟到训练后的阶段，未能充分挖掘预训练数据中的潜力。
英伟达帮你省钱，让大模型推理「短而精」，速度快5倍（在新窗口打开）
大模型推理到底要不要「长篇大论」？过去一年，OpenAI o 系列、DeepSeek-R1、Qwen 等一系列推理模型，把「长链思维」玩到极致：答案更准了，但代价是推理链越来越长、Token 消耗爆炸、响应速度骤降。
ACM MM 2025 Oral | 新加坡国立大学提出FractalForensics，基于分形水印的主动深度伪造检测与定位（在新窗口打开）
该论文提出 FractalForensics，一种基于分形水印的主动深度伪造检测与定位方法。不同于以往的水印向量，为达成伪造定位的功能，论文提出的水印以矩阵形式出现。
全网AI看不到的爱心，被这款开源全模态模型攻克了。。（在新窗口打开）
昨天一大早，就发现美团开源了他们首款全模态实时交互大模型：LongCat-Flash-Omni。
NIPS2025｜小红书智创AIGC团队提出布局控制生成新算法InstanceAssemble（在新窗口打开）
当下的文本生成图像扩散模型取得了长足进展，为图像生成引入布局控制（Layout-to-Image, L2I）成为可能。
最具争议性研究：大模型中间层输出可 100% 反推原始输入（在新窗口打开）
Transformer 语言模型具有单射性，隐藏状态可无损重构输入信息。
让LLM不再话痨，快手HiPO框架来了（在新窗口打开）
当用户向大语言模型提出一个简单问题，比如「单词 HiPPO 里有几个字母 P？」，它却正襟危坐，开始生成一段冗长的推理链：
斯坦福7B智能体全面超越GPT-4o，推理流登顶HF（在新窗口打开）
传统智能体系统难以兼顾稳定性和学习能力，斯坦福等学者提出AgentFlow框架，通过模块化和实时强化学习，在推理中持续优化策略，并使小规模模型在多项任务中超越GPT-4o，为AI发展开辟新思路。
抖音SAIL团队联合港中文MMLab推出SAIL-Embedding：打通「视、文、音」的全模态嵌入（在新窗口打开）
在短视频推荐、跨模态搜索等工业场景中，传统多模态模型常受限于模态支持单一、训练不稳定、领域适配性差等问题。
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。