700位医疗高管告诉你，为什么AI最先跑通的是医疗？（在新窗口打开）
医疗机构选择AI，只看这三点。很长时间里，医疗始终被认为是新兴技术应用里最难啃的阵地。 就拿医疗数字化来说，就走得极为不容易。在当下7400亿美元的美国医疗管理支出中，IT 预算仅占630亿美元。
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。
代码自己改自己？我用1000万DeepSeek跑通了赫胥黎-歌德尔机HGM（附避坑指南）（在新窗口打开）
读者，您好！今天想跟您聊一个硬核又极具启发性的项目——HGM（Huxley-Gödel Machine）。我刚刚一起花了几个小时，从环境配置的坑，一路“打怪升级”到让它最终跑完，相信您可能已经从别的公众号上看到了这篇文章。
高效训练新标杆！华人团队开源原生VLM-NEO，以少数据追平顶级模型（在新窗口打开）
当下主流的视觉语言模型（Vision-Language Models, VLM），通常都采用这样一种设计思路：将预训练的视觉编码器与大语言模型通过投影层拼接起来。这种模块化架构成就了当前 VLM 的辉煌，但也带来了一系列新的问题——多阶段训练复杂、组件间语义对齐成本高，不同模块的扩展规律难以协调。
牛津VGG、港大、上交发布ELIP：超越CLIP等，多模态图片检索的增强视觉语言大模型预训练（在新窗口打开）
多模态图片检索是计算机视觉和多模态机器学习领域很重要的一个任务。现在大家做多模态图片检索一般会用 CLIP/SigLIP 这种视觉语言大模型，因为他们经过了大规模的预训练，所以 zero-shot 的能力比较强。
单条演示即可抓取一切：北大团队突破通用抓取，适配所有灵巧手本体（在新窗口打开）
在灵巧手通用抓取的研究中，由于动作空间维度高、任务具有长程探索特征且涉及多样化物体，传统强化学习（RL）面临探索效率低、奖励函数及训练过程设计复杂等挑战。
刚刚，最佳VLA模型GigaBrain-0开源：世界模型驱动10倍数据，真机碾压SOTA（在新窗口打开）
国内首个利用世界模型生成数据实现真机泛化的端到端VLA具身基础模型GigaBrain-0重磅发布。
让你的Mac用上DeepSeek-OCR：一个从0到1的开源适配之旅（在新窗口打开）
DeepSeek-OCR这段时间非常火，但官方开源的文件是“按 NVIDIA/CUDA 习惯写的 Linux 版推理脚本+模型权重”，而不是“跨设备跨后端”的通吃实现，因此无法直接在苹果设备上运行，对于Mac用户来说，在许多新模型诞生的第一时间，往往只能望“模”兴叹。
双管齐下：联邦学习防投毒攻击与梯度泄露，华南理工深北莫研究成果登上TMC与IoT（在新窗口打开）
AI风起云涌，数据隐私如履薄冰。华南理工大学联手深圳北理莫斯科大学，推出FedMSBA与FedMAR，筑成联邦学习的安全堡垒，守护个人隐私！
AlphaGo之父找到创造强化学习算法新方法：让AI自己设计（在新窗口打开）
强化学习是近来 AI 领域最热门的话题之一，新算法也在不断涌现。
VAE再被补刀！清华快手SVG扩散模型亮相，训练提效6200%，生成提速3500%（在新窗口打开）
前脚谢赛宁刚宣告VAE在图像生成领域退役，后脚清华与快手可灵团队也带着无VAE潜在扩散模型SVG来了。
TPAMI 2025 | AI对抗迁移性评估的「拨乱反正」：那些年效果虚高的攻防算法们（在新窗口打开）
对抗样本（adversarial examples）的迁移性（transferability）—— 在某个模型上生成的对抗样本能够同样误导其他未知模型 —— 被认为是威胁现实黑盒深度学习系统安全的核心因素。尽管现有研究已提出复杂多样的迁移攻击方法，却仍缺乏系统且公平的方法对比分析：（1）针对攻击迁移性，未采用公平超参设置的同类攻击对比分析；（2）针对攻击隐蔽性，缺乏多样指标。
世界模型==VQA？机器人不用想象画面，预测语义就够了（在新窗口打开）
对于机器人来说，世界模型真的有必要想象出精确的未来画面吗？在一篇新论文中，来自华盛顿大学、索尼 AI 的研究者提出了这个疑问。
3B Image Captioning小钢炮重磅来袭，性能比肩Qwen2.5-VL-72B（在新窗口打开）
今天推荐一个 Dense Image Captioning 的最新技术 —— CapRL (Captioning Reinforcement Learning)。CapRL 首次成功将 DeepSeek-R1 的强化学习方法应用到 image captioning 这种开放视觉任务，创新的以实用性重新定义 image captioning 的 reward。
仅需10%思维链标注，等同全量性能！计算所发布推理监督新范式（在新窗口打开）
大语言模型（LLMs）推理能力近年来快速提升，但传统方法依赖大量昂贵的人工标注思维链。中国科学院计算所团队提出新框架PARO，通过让模型学习固定推理模式自动生成思维链，只需大模型标注1/10数据就能达到全量人工标注的性能。这种方法特别适合像金融、审计这样规则清晰的领域，为高效推理监督提供了全新思路。
用「进化+压力测试」自动生成的竞赛级编程题，各家大模型谁更hold住？（在新窗口打开）
在当前评测生成式模型代码能力的浪潮中，传统依赖人工编写的算法基准测试集，正日益暴露出可扩展性不足与数据污染严重两大瓶颈。
VaseVQA：考古领域实现专家级，诊断+补弱RL框架（在新窗口打开）
在文化遗产与人工智能的交叉处，有一类问题既美也难：如何让机器「看懂」古希腊的陶器——不仅能识别它的形状或图案，还能推断年代、产地、工坊甚至艺术归属？有研究人员给出了一条实用且富有启发性的答案：把大型多模态模型（MLLM）放在「诊断—补弱—精细化评估」的闭环中训练，并配套一个结构化的评测基准，从而让模型在高度专业化的文化遗产领域表现得更接近专家级能力。
蚂蚁新报告！全盘公开Ling 2.0训练细节，性能突破的四大关键曝光（在新窗口打开）
蚂蚁集团这波操作大圈粉！智东西10月28日报道，10月25日，蚂蚁集团在arXiv上传了一篇技术报告，一股脑将自家2.0系列大模型训练的独家秘籍全盘公开。今年9月至今，蚂蚁集团百灵大模型Ling 2.0系列模型陆续亮相，其万亿参数通用语言模型Ling-1T多项指标位居开源模型的榜首
华为世界模型来了！单卡30分钟生成272㎡场景（在新窗口打开）
AI大house真来了。 华为联合上海交通大学、华中科技大学推出了世界模型WordGrow，可以生成1800㎡超大室内场景（19x39块），单卡30分钟就跑了272㎡。 里面的虚拟人还能顺畅导航，不带迷路的。(小声说：大平层确实需要导航) 并且场景具备连贯的几何拓扑和照片级真实感外观，智能体的导航则是在复杂空间布局中自主规划路径。 这可以说是走到哪建到哪了，那场景是怎么搭的？ 具备连贯的几何拓扑和照片级真实感外观 以前想造个像样的3D大场景，坑不少。 比如有些技术先靠2D模型画张图，再硬掰成3D，结果换完视角一看，沙发腿歪了、墙壁纹理断了…… 还有一些方法最多只能造单个房间，扩展成套房就卡壳；
DeepMind再登Nature：AI Agent造出了最强RL算法！（在新窗口打开）
当AI开始「自己学会学习」，人类的角色正在被重写。DeepMind最新研究DiscoRL，让智能体在多环境交互中自主发现强化学习规则——无需人类设计算法。它在Atari基准中击败MuZero，在从未见过的游戏中依旧稳定高效。
首个地球科学智能体Earth-Agent来了，解锁地球观测数据分析新范式（在新窗口打开）
当强大的多模态大语言模型应用于地球科学研究时，它面临着无法忽视的 「阿克琉斯之踵」
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。