AI越会思考，越容易被骗？「思维链劫持」攻击成功率超过90%（在新窗口打开）
独立研究者 Jianli Zhao 等人近日的一项新研究发现，通过在有害请求前填充一长串无害的解谜推理序列（harmless puzzle reasoning），就能成功对推理模型实现越狱攻击。他们将这种方法命名为思维链劫持（Chain-of-Thought Hijacking）。
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。
达摩院推出多智能体框架ReasonMed，打造医学推理数据生成新范式（在新窗口打开）
在人工智能领域，推理语言模型（RLM）虽然在数学与编程任务中已展现出色性能，但在像医学这样高度依赖专业知识的场景中，一个亟待回答的问题是：复杂的多步推理会帮助模型提升医学问答能力吗？要回答这个问题，需要构建足够高质量的医学推理数据，当前医学推理数据的构建存在以下挑战：
美团新独立APP，点不了菜只能点AI（在新窗口打开）
用外卖的打法做AI模型？美团这是跟“又快又稳”杠上了（doge）。
大模型如何准确读懂图表？微软亚研院教它“看、动手、推理”（在新窗口打开）
多模态大模型（MLLM）在自然图像上已取得显著进展，但当问题落在图表、几何草图、科研绘图等结构化图像上时，细小的感知误差会迅速放大为推理偏差。
OpenAI Atlas等AI浏览器暴露Web Agent安全风险！南洋理工破解底层机制（在新窗口打开）
OpenAI Atlas、Perplexity Comet等AI浏览器的推出，虽提升了网页自动化效率，却也使智能爬虫威胁加剧。南洋理工大学团队研发的WebCloak，创新性地混淆网页结构与语义，打破爬虫技术依赖，为数据安全筑起轻量高效防线，助力抵御新型智能攻击，守护网络安全。
给大模型版权上“防盗锁”！浙大新方法既能装指纹又能防篡改（在新窗口打开）
随着 AI 技术的发展，大语言模型已经越来越多地应用于人们的日常生活中。需要了解的是，现阶段大语言模型面临版权保护的实际需求：
高智商 ≠ 高财商？50天实盘测试：LMArena 高分王者也可能是「韭菜」（在新窗口打开）
「在大模型热潮中，如何真正评测它们的智能？」
跟不上、读不完？上万篇顶会论文，这个工具一键分析（在新窗口打开）
一个研究者一天到底要读多少篇论文才能跟上最新趋势？在 AI 研究成果爆炸的今天，这个数字变得越来越模糊。人的阅读速度，早就跟不上 AI 科研地图扩展的速度了。
你刷抖音小红书不会变笨，但你的 AI 会（在新窗口打开）
好消息：AI 越来越好用了。 坏消息：越用它越笨。
FG-CLIP 2: 为细粒度跨模态理解而生的下一代VLM，8大类29项任务双语性能全球第一（在新窗口打开）
在 AI 多模态的发展历程中，OpenAI 的 CLIP 让机器第一次具备了“看懂”图像与文字的能力，为跨模态学习奠定了基础。如今，来自 360 人工智能研究院冷大炜团队的 FG-CLIP 2 正式发布并开源，在中英文双语任务上全面超越 MetaCLIP 2 与 SigLIP 2，并通过新的细粒度对齐范式，补足了第一代模型在细节理解上的不足。
RAE的终极形态？北大&阿里提出UniLIP: 将CLIP拓展到重建、生成和编辑（在新窗口打开）
统一多模态模型要求视觉表征必须兼顾语义（理解）和细节（生成 / 编辑）。早期 VAE 因语义不足而理解受限。近期基于 CLIP 的统一编码器，面临理解与重建的权衡：直接量化 CLIP 特征会损害理解性能；而为冻结的 CLIP 训练解码器，又因特征细节缺失而无法精确重建。例如，RAE 使用冻结的 DINOv2 重建，PSNR 仅 19.23。
「上下文工程」 已经30岁了，而你可能刚知道它（在新窗口打开）
AI时代，人不再只是「社会关系的总和」，而是由无数数据、记录和互动的上下文构成的。
AEPO：智能体熵平衡策略优化，让探索更稳，推理更深！（在新窗口打开）
AEPO 系统性揭示了「高熵 Rollout 采样坍缩」和「高熵梯度裁剪」问题，并设计了「动态熵平衡 Rollout 采样」与「熵平衡策略优化」两项核心机制。前者通过熵预监控与连续分支惩罚实现全局与局部探索预算的自适应分配，后者在策略更新阶段引入梯度停止与熵感知优势估计以保留高熵 token 的探索梯度。
Meta裁员、OpenAI重组：万字复盘谷歌起笔的AI史诗，如何被「群雄」改写剧本？（在新窗口打开）
知名科技播客《Acquired》最近的一期节目，以谷歌（Google）的 AI 发展史与战略为主线，巧妙地穿插了其他 AI 巨头的崛起历程，节目几乎涵盖了当今 AI 领域大部分的关键人物，为听众系统地梳理出一部简明的 AI 发展史。
锁定角色，「多主体」也可控！个性化文生图，给你PS般交互体验（在新窗口打开）
LayerComposer革新了个性化图像生成，让用户像在Photoshop里一样自由操控元素位置、大小，解决传统方法交互性与多主体扩展难题，实现更自然、高效的创作，推动个性化生成迈向主动交互新阶段。
少量视角也能得到完整3D几何，即插即用的语义增强重建插件来了（在新窗口打开）
直观经验却告诉我们，只要把同一物体的 “对应部分” 对齐，形状就会变得清晰。基于这一朴素而有效的直觉，作者提出SERES（Semantic-Aware Reconstruction from Sparse Views），在不改动主干框架的前提下，把跨视角的语义一致性变成一种训练期先验注入到模型里，用低成本的方法去解决高价值的歧义问题，让少量视角也能得到清晰而完整的几何。
上海AI Lab发布混合扩散语言模型SDAR：首个突破6600 tgs的开源扩散语言模型（在新窗口打开）
近日，上海人工智能实验室针对该难题提出全新范式 SDAR (Synergistic Diffusion-AutoRegression)。该方法通过「训练-推理解耦」的巧妙设计，无缝融合了 AR 模型的高性能与扩散模型的并行推理优势，能以极低成本将任意 AR 模型「改造」为并行解码模型。
字节发布通用游戏智能体！5000亿token训练，用鼠标键盘吊打GPT-5！（在新窗口打开）
Game-TARS基于统一、可扩展的键盘—鼠标动作空间训练，可在操作系统、网页与模拟环境中进行大规模预训练。依托超5000亿标注量级的多模态训练数据，结合稀疏推理（Sparse-Thinking） 与衰减持续损失（decaying continual loss），大幅提升了智能体的可扩展性和泛化性。
港科提出新算法革新大模型推理范式：随机策略估值竟成LLM数学推理「神操作」（在新窗口打开）
论文第一作者何浩然是香港科技大学博士生，研究方向包括强化学习和基础模型等，研究目标是通过经验和奖励激发超级智能。共同第一作者叶语霄是香港科技大学一年级博士。通讯作者为香港科技大学电子及计算机工程系、计
内存直降50%，token需求少56%！用视觉方式处理长文本（在新窗口打开）
在NeurIPS 2025论文中，来自「南京理工大学、中南大学、南京林业大学」的研究团队提出了一个极具突破性的框架——VIST（Vision-centric Token Compression in LLM），为大语言模型的长文本高效推理提供了全新的「视觉解决方案」。值得注意的是，这一思路与近期引起广泛关注的DeepSeek-OCR的核心理念不谋而合。
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。