SIGGRAPH Asia 2025｜电影级运镜一键克隆！港中文&快手可灵团队发布CamCloneMaster（在新窗口打开）
作为视频创作者，你是否曾梦想复刻《盗梦空间》里颠覆物理的旋转镜头，或是重现《泰坦尼克号》船头经典的追踪运镜？
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。
攻克长文档与多模态挑战，Paper2Video实现学术视频的自动化生产（在新窗口打开）
学术展示视频作为科研交流的重要媒介，制作过程仍高度依赖人工，需要反复进行幻灯片设计、逐页录制和后期剪辑，往往需要数小时才能产出几分钟的视频，效率低下且成本高昂，这凸显了推动学术展示视频自动化生成的必要性。
比Transformer更强的架构来了？浙大新作Translution，一统卷积和自注意力（在新窗口打开）
近日，范鹤鹤（浙江大学）、杨易（浙江大学）、Mohan Kankanhalli（新加坡国立大学）和吴飞（浙江大学）四位老师提出了一种具有划时代意义的神经网络基础操作——Translution。 该研究认为，神经网络对某种类型数据建模的本质是：
智谱运气是差一点点，视觉Token研究又和DeepSeek撞车了（在新窗口打开）
太卷了，DeepSeek-OCR刚发布不到一天，智谱就开源了自家的视觉Token方案——Glyph。既然是同台对垒，那自然得请这两天疯狂点赞DeepSeek的卡帕西来鉴赏一下：
ICCV 2025最佳论文出炉！何恺明、孙剑等十年经典之作夺奖（在新窗口打开）
ICCV最佳论文新鲜出炉了！今年，CMU团队满载而归，斩获最佳论文奖和最佳论文提名。同时，何恺明团队论文，RBG大神提出的Fast R-CNN，十年后斩获Helmholtz Prize，实至名归。
Embedding黑箱成为历史！这个新框架让模型“先解释，再学Embedding”（在新窗口打开）
让模型先解释，再学Embedding！ 来自UIUC、ANU、港科大、UW、TAMU等多所高校的研究人员，最新推出可解释的生成式Embedding框架——GRACE。过去几年，文本表征（Text Embedding）模型经历了从BERT到E5、GTE、LLM2Vec，Qwen-Embedding等不断演进的浪潮。这些模型将文本映射为向量空间，用于语义检索、聚类、问答匹配等任务。
轻量高效，即插即用：Video-RAG为长视频理解带来新范式（在新窗口打开）
尽管视觉语言模型（LVLMs）在图像与短视频理解中已取得显著进展，但在处理长时序、复杂语义的视频内容时仍面临巨大挑战 —— 上下文长度限制、跨模态对齐困难、计算成本高昂等问题制约着其实际应用。针对这一难题，厦门大学、罗切斯特大学与南京大学联合提出了一种轻量高效、无需微调的创新框架 ——Video-RAG。
长序列推理不再卡顿！北大华为KV缓存管理框架实现4.7倍推理加速（在新窗口打开）
北大华为联手推出KV cache管理新方式，推理速度比前SOTA提升4.7倍！ 大模型处理长序列时，KV cache的内存占用随序列长度线性增长，已成为制约模型部署的严峻瓶颈。
SIGGRAPH Asia 2025 | OmniPart框架，让3D内容创作像拼搭积木一样简单（在新窗口打开）
在3D内容创作领域，如何像玩乐高一样，自由生成、编辑和组合对象的各个部件，一直是一个核心挑战。香港大学、VAST、哈尔滨工业大学及浙江大学的研究者们联手，推出了一个名为 OmniPart 的全新框架，巧妙地解决了这一难题。该研究已被计算机图形学顶会 SIGGRAPH Asia 2025 接收。
AI牛马实现“干中学”！上海AI Lab联合推出智能体自我进化新框架（在新窗口打开）
在人工智能的广阔世界里，我们早已习惯了LLM智能体在各种任务中大放异彩。但有没有那么一瞬间，你觉得这些AI“牛马”还是缺了点什么？
一张照片，一个3D「你」：计算所等提出HumanLift，实现高保真数字人重建（在新窗口打开）
创建具有高度真实感的三维数字人，在三维影视制作、游戏开发以及虚拟/增强现实（VR/AR）等多个领域均有着广泛且重要的应用。
比人类网瘾更可怕，AI患上“脑腐”后彻底没救（在新窗口打开）
“脑腐”（Brain Rot）指的是接触了过多社交媒体的低质量、碎片化信息后，人类的精神和智力状态恶化，如同腐烂一般。它曾入选 2024 年牛津大学出版社年度热词。
DeepSeek新模型被硅谷夸疯了！用二维视觉压缩一维文字，单GPU能跑，“谷歌核心机密被开源”（在新窗口打开）
DeepSeek最新开源的模型，已经被硅谷夸疯了！
清华、快手提出AttnRL：让大模型用「注意力」探索（在新窗口打开）
从 AlphaGo 战胜人类棋手，到 GPT 系列展现出惊人的推理与语言能力，强化学习（Reinforcement Learning, RL）一直是让机器「学会思考」的关键驱动力。
AGI前夜重磅：RL突破模型「认知上限」，真·学习发生了！（在新窗口打开）
UC Berkeley、UW、AI2 等机构联合团队最新工作提出：在恰当的训练范式下，强化学习（RL）不仅能「打磨」已有能力，更能逼出「全新算法」级的推理模式。他们构建了一个专门验证这一命题的测试框架 DELTA，并观察到从「零奖励」到接近100%突破式跃迁的「RL grokking」现象。
豆包是如何炼成的？字节放出自研万卡训练系统ByteRobust论文（在新窗口打开）
近日，字节跳动一篇论文介绍了他们 LLM 训练基础设施 ByteRobust，引发广泛关注。现在，在训练基础设施层面上，我们终于知道字节跳动会如何稳健地训练豆包了。
文本已死，视觉当立！Karpathy狂赞DeepSeek新模型，终结分词器时代（在新窗口打开）
AI新突破！DeepSeek-OCR以像素处理文本，压缩率小于1/10，基准测试领跑。开源一夜4.4k星，Karpathy技痒难耐，展望视觉输入的通用性。
长生不老成真？哈佛AI数周破解「衰老密码」，人类寿命或迎重写（在新窗口打开）
长生不老或将成真？近日，哈佛团队在AI系统K-Dense的助力下揭示衰老分阶段运行的秘密。科研不再是慢工出细活，而是一场AI驱动的全球军备竞赛。当长寿的密码被加速解码，人类是否已准备好面对更长的人生？
喂了几个月的垃圾推文，大模型得了「脑腐」，这病还治不好（在新窗口打开）
天天刷推，大模型的脑子也会坏掉。 终于有研究证明，互联网上的烂内容会让大模型得「脑腐」。 相信许多读者对「脑腐」这个词并不陌生，长时间沉浸在碎片化的网络信息中，我们经常会感到注意力下降、思维变钝。
NeurIPS 2025 | CMU、清华、UTAustin开源ReinFlow，用在线RL微调机器人流匹配策略（在新窗口打开）
今年，流匹配无疑是机器人学习领域的大热门：作为扩散模型的一种优雅的变体，流匹配凭借简单、好用的特点，成为了机器人底层操作策略的主流手段，并被广泛应用于先进的 VLA 模型之中 —— 无论是 Physical Intelligence 的 ，LeRobot 的 SmolVLA, 英伟达的 GR00T 和近期清华大学发布的 RDT2。
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。