NeurIPS 25 | 中大&UC Merced等开源RAPID Hand，重新定义多指灵巧手数据采集（在新窗口打开）
在最近的一篇 NeurIPS 25 中稿论文中，来自中山大学、加州大学 Merced 分校、中科院自动化研究所、诚橙动力的研究者联合提出了一个全新开源的高自由度灵巧手平台 — RAPID Hand (Robust, Affordable, Perception-Integrated, Dexterous Hand)。
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。
腾讯发布超低成本AI训练法！120元效果秒杀70000元微调方案（在新窗口打开）
只花120元，效果吊打70000元微调！腾讯提出一种升级大模型智能体的新方法——无训练组相对策略优化Training-Free GRPO。无需调整任何参数，只要在提示词中学习简短经验，即可实现高性价比提升模型性能。
不用跟AI客气了！新研究：语气越粗鲁回答正确率越高（在新窗口打开）
找AI帮忙不要再客气了，效果根本适得其反。 宾夕法尼亚州立大学的一项研究《Mind Your Tone》显示，你说话越粗鲁，LLM回答越准。
北大彭一杰教授课题组提出RiskPO，用风险度量优化重塑大模型后训练（在新窗口打开）
当强化学习（RL）成为大模型后训练的核心工具，「带可验证奖励的强化学习（RLVR）」凭借客观的二元反馈（如解题对错），迅速成为提升推理能力的主流范式。从数学解题到代码生成，RLVR 本应推动模型突破「已知答案采样」的局限，真正掌握深度推理逻辑 —— 但现实是，以 GRPO 为代表的主流方法正陷入「均值优化陷阱」。
Qwen3 变身扩散语言模型？不从零训练也能跑，30B参数创纪录（在新窗口打开）
扩散语言模型（Diffusion Language Models，DLM）一直以来都令研究者颇感兴趣，因为与必须按从左到右顺序生成的自回归模型（Autoregressive, AR）不同，DLM 能实现并行生成，这在理论上可以实现更快的生成速度，也能让模型基于前后文更好地理解生成语境。
AI能否「圣地巡礼」？多模态大模型全新评估基准VIR-Bench来了（在新窗口打开）
大家或许都有过这样的体验： 看完一部喜欢的动漫，总会心血来潮地想去 “圣地巡礼”；刷到别人剪辑精美的旅行 vlog，也会忍不住收藏起来，想着哪天亲自走一遍同样的路线。旅行与影像的结合，总是能勾起人们的
美图和奇点星宇，设计Agent产品都在疯狂生长（在新窗口打开）
8 月榜单，最值得关注的变化是 Lovart 的访问量上升，8 月访问量上涨了 68.08% 至 323w，进入榜单。Lovart，读者想必已经熟悉，是奇点星宇的另一款 AI 视觉类产品，其产品核心设计为画布+对话框+编辑工具箱，也就是用户指导 AI 干活，
ICLR神秘论文曝光！SAM3用「概念」看世界，重构视觉AI新范式（在新窗口打开）
2023年Meta推出SAM，随后SAM 2扩展到视频分割，性能再度突破。近日，SAM 3悄悄现身ICLR 2026盲审论文，带来全新范式——「基于概念的分割」（Segment Anything with Concepts），这预示着视觉AI正从「看见」迈向真正的「理解」。
「微调已死」再添筹码，谷歌扩展AI自我进化范式，成功经验与失败教训双向学习（在新窗口打开）
这几天，关于「微调已死」的言论吸引了学术圈的广泛关注。一篇来自斯坦福大学、SambaNova、UC 伯克利的论文提出了一种名为 Agentic Context Engineering（智能体 / 主动式上下文工程）的技术，让语言模型无需微调也能实现自我提升！
LLaVA-OneVision-1.5全流程开源，8B模型预训练只需4天、1.6万美元（在新窗口打开）
LLaVA 于 2023 年提出，通过低成本对齐高效连接开源视觉编码器与大语言模型，使「看图 — 理解 — 对话」的多模态能力在开放生态中得以普及，明显缩小了与顶级闭源模型的差距，标志着开源多模态范式的重要里程碑。
只需1/4预算，性能反超基线：阿里高德提出Tree-GRPO，高效破解智能体RL难题（在新窗口打开）
对于大模型的强化学习已在数学推理、代码生成等静态任务中展现出不俗实力，而在需要与开放世界交互的智能体任务中，仍面临「两朵乌云」：高昂的 Rollout 预算（成千上万的 Token 与高成本的工具调用）和极其稀疏的「只看结果」的奖励信号。
别被提示词优化困住！用DSPy.GEPA把Prompt做成可演进的工程（万字长文)（在新窗口打开）
写给正在落地 AI 产品的工程师。一些代码直接可改造复用；另一些，是我踩坑后的经验之谈。
推理速度10倍提升，蚂蚁集团开源业内首个高性能扩散语言模型推理框架dInfer（在新窗口打开）
近日，蚂蚁集团正式开源业界首个高性能扩散语言模型（Diffusion Large Language Model，dLLM）推理框架 dInfer。
谢赛宁新作：VAE退役，RAE当立（在新窗口打开）
谢赛宁团队最新研究给出了答案——VAE的时代结束，RAE将接力前行。其中表征自编码器RAE（Representation Autoencoders）是一种用于扩散Transformer（DiT）训练的新型自动编码器，其核心设计是用预训练的表征编码器（如DINO、SigLIP、MAE 等）与训练后的轻量级解码器配对，从而替代传统扩散模型中依赖的VAE（变分自动编码器）。
AI产品在亚洲疯狂增长，开发者们如何抓住注意力涣散的年轻人（在新窗口打开）
根据 Sensor Tower 数据显示，2025 H1 AI 应用的下载量达到 17 亿次，增长 67%，IAP 收入总计达到 19 亿美元，增幅达到 100.6%。在走过了概念验证阶段后，AI 应用正成为一股很强的增长动力，给已经相对平静的应用市场注入了活力。
剑桥揭开大模型翻车黑箱！别再怪它不懂推理，是行动出错了（在新窗口打开）
为什么大模型，在执行长时任务时容易翻车？这让一些专家，开始质疑大模型的推理能力，认为它们是否只是提供了「思考的幻觉」。近日，剑桥大学等机构的一项研究证明：问题不是出现在推理上，而是出在大模型的执行能力上。
拒绝“熵崩塌”和“熵爆炸”！这项研究让大模型学会“精确探索”，推理成绩飙升（在新窗口打开）
大语言模型在RLVR训练中面临的“熵困境”，有解了！
灵巧手能帮女友拧瓶盖了！同济清华上海交大等新成果 | CoRL 2025（在新窗口打开）
灵巧手技能+1，能帮女友拧瓶盖了！ 不仅如此，还能帮忙挤牙膏、插充电器。 来自同济大学、清华、上海交大、香港大学等研究团队提出面向灵巧操作任务的示教与策略学习新方法KineDex框架—— 真·手把手指导的方式，让人类动作直接传递到灵巧手，并同步采集高保真触觉信息。 结果让星动纪元灵巧手星动XHAND 1成功解锁了各种复杂精细操作。 在瓶盖旋紧、牙膏挤压、注射器按压等九项复杂任务中，KineDex平均成功率达74.4%，且数据采集效率相较于遥操提升两倍以上。 该论文已被CoRL 2025接收。 真·手把手引导灵巧操作学习 当前，机器人学习精细操作（尤其那种需要精确力度控制的任务）的难点在于缺乏高
真正的AI竞争力，藏在大模型“后训练”这一步（在新窗口打开）
当全球的目光还在聚焦基座模型的参数竞赛时，一场更为深刻的变革正在悄然发生——后训练（Post-Training）。
产品经理必读：AI Agent 架构指南（在新窗口打开）
这是一份为正在开发 AI Agent 的产品经理准备的完整指南，介绍了 Agent 架构、编排模式等话题。
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。