Kimi开源新线性注意力架构，首次超越全注意力模型，推理速度暴涨6倍（在新窗口打开）
月之暗面最新发布的开源Kimi Linear架构，用一种全新的注意力机制，在相同训练条件下首次超越了全注意力模型。在长上下文任务中，它不仅减少了75%的KV缓存需求，还实现了高达6倍的推理加速。
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。
AI营销效率战下半场：“一人市场部”从“工具赋能”走向“生态整合”（在新窗口打开）
Xsignal AI Holo（AI全息）数据库的1-9月数据显示，市场（MAU）已自发掀起了一场“效率革命”的上半场：营销人员用脚投票，从Mailchimp等“旧势力”涌向GetResponse和“万相营造”等“效率新势力”。这证明了市场对“单点工具”效率提升的极度渴求。
海外AI应用行业全景丨万字长文丨2025年9月丨赛道格局 + 赛道之王 + TOP 50 AI应用 + 增长之星丨Xsignal（在新窗口打开）
本次，X博士继续应用Xsignal数据交互平台的AI Holo（AI 全息）数据库数据，为你提供海外AI应用市场2025年9月的最新发展动态，发布2025年9月海外“赛道格局”、“赛道之王”、“TOP 50 AI应用”和“增长之星”四大数据榜单及深度洞察。
重新定义跨模态生成的流匹配范式，VAFlow让视频「自己发声」（在新窗口打开）
在多模态生成领域，由视频生成音频（Video-to-Audio，V2A）的任务要求模型理解视频语义，还要在时间维度上精准对齐声音与动态。早期的 V2A 方法采用自回归（Auto-Regressive）的方式将视频特征作为前缀来逐个生成音频 token，或者以掩码预测（Mask-Prediction）的方式并行地预测音频 token，逐步生成完整音频。
最火VLA，看这一篇综述就够了（在新窗口打开）
ICLR 2026爆火领域VLA（Vision-Language-Action，视觉-语言-动作）全面综述来了！ 如果你还不了解VLA是什么，以及这个让机器人学者集体兴奋的领域进展如何，看这一篇就够了。
首个实例理解3D重建模型！NTU&阶越提出基于实例解耦的3D重建模型，助理场景理解（在新窗口打开）
现在，NTU联合StepFun提出了IGGT (Instance-Grounded Geometry Transformer) ，一个创新的端到端大型统一Transformer，首次将空间重建与实例级上下文理解融为一体。
AI「上班流」首次完整曝光！不点鼠标，只写代码，PPT也当函数调（在新窗口打开）
AI已经不止会写代码、画图、做PPT，它也开始「上班」了！CMU与斯坦福的研究团队首次完整追踪了AI的工作过程，发现一个惊人事实：它并不是在模仿人类，而是在用编程的方式重写工作的定义。这场关于「谁在工作」的实验，正在重构未来职场的逻辑。
刚刚，Kimi开源新架构，开始押注线性注意力（在新窗口打开）
月之暗面在这一方向有所突破。在一篇新的技术报告中，他们提出了一种新的混合线性注意力架构 ——Kimi Linear。该架构在各种场景中都优于传统的全注意力方法，包括短文本、长文本以及强化学习的 scaling 机制。
世界模型可单GPU秒级生成了？厦大、腾讯开源FlashWorld，效果惊艳、免费体验（在新窗口打开）
厦门大学和腾讯合作的最新论文《FlashWorld: High-quality 3D Scene Generation within Seconds》获得了海内外的广泛关注，在当日 Huggingface Daily Paper 榜单位列第一，并在 X 上获得 AK、Midjourney 创始人、SuperSplat 创始人等 AI 大佬点赞转发。
Eino ADK：一文搞定 AI Agent 核心设计模式，从 0 到 1 搭建智能体系统（在新窗口打开）
当大语言模型突破了 “理解与生成” 的瓶颈，Agent 迅速成为 AI 落地的主流形态。从智能客服到自动化办公，几乎所有场景都需要 Agent 来承接 LLM 能力、执行具体任务。
人大、清华DeepAnalyze，让LLM化身数据科学家（在新窗口打开）
来自人大和清华的研究团队发布了 DeepAnalyze，首个面向自主数据科学的 agentic LLM。DeepAnalyze引起了社区内广泛讨论，一周内收获1000多个GitHub星标、20w余次社交媒体浏览量。
让机器人在“想象”中学习世界的模型来了！PI联创课题组&清华陈建宇团队联合出品（在新窗口打开）
这两天，Physical Intelligence（PI）联合创始人Chelsea Finn在𝕏上，对斯坦福课题组一项最新世界模型工作kuakua连续点赞。
扩散语言模型新发现：其计算潜力正在被浪费？（在新窗口打开）
按从左到右的顺序依次生成下一个 token 真的是大模型生成方式的最优解吗？最近，越来越多的研究者对此提出质疑。其中，有些研究者已经转向一个新的方向 —— 掩码扩散语言模型（MDLM）。
爆火的AI三宫格图片，比我们的生活更像电影。（在新窗口打开）
最近这两天，被一个三宫格AI图片给刷屏了。 还有那三句经典的台词： “山的那边是什么。” “你不用告诉我。” “我会自己去看。” 抖音和小红书上玩的人巨多，点赞量动辄几千几万。 群里的朋友们也都在玩。
刚刚，Anthropic证明：AI开始拥有内省能力（在新窗口打开）
家人们，不知道你有没有试过，在和 AI 聊天时，冷不丁地问一句： “你刚刚在想什么？”
苹果提出新型反向传播：一台iPhone 15 Pro Max就能微调LLM（在新窗口打开）
用 iPhone 本地跑大模型已经不是新鲜事了，但能不能在 iPhone 上微调模型呢？
天下苦VAE久矣：阿里高德提出像素空间生成模型训练范式, 彻底告别VAE依赖（在新窗口打开）
近年来，基于扩散模型的图像生成技术发展迅猛，催生了Stable Diffusion、Midjourney等一系列强大的文生图应用。然而，当前主流的训练范式普遍依赖一个核心组件——变分自编码器（VAE），这也带来了长久以来困扰研究者们的几个问题：
ICCV 2025 | 港科、牛津大学发布AlignGuard，文图生成模型可规模化安全对齐框架（在新窗口打开）
随着文图生成模型的广泛应用，模型本身有限的安全防护机制使得用户有机会无意或故意生成有害的图片内容，并且该内容有可能会被恶意使用。现有的安全措施主要依赖文本过滤或概念移除的策略，只能从文图生成模型的生成能力中移除少数几个概念。
数据智能体全景报告发布！你的数据智能体在哪个 Level？（在新窗口打开）
当你被扔进一片数据的汪洋，老板却期待你一眼看穿本质—— 你是否也曾幻想，有一位不知疲倦、全知全能的 AI 数据专家，能替你搞定从数据管理、准备，到分析的一切工作？
中移动九天团队MultiPL-MoE：全新Hybrid-MoE架构用于增强通用大模型低资源代码能力（在新窗口打开）
大语言模型（LLM）虽已展现出卓越的代码生成潜力，却依然面临着一道艰巨的挑战：如何在有限的计算资源约束下，同步提升对多种编程语言的理解与生成能力，同时不损害其在主流语言上的性能？
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。