想系统看看Agent的Graph Engineering，可以从这篇综述开始｜最新（在新窗口打开）
这两年Agent领域冒出来的Engineering越来越多。
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。
PhyAgentOS v1.0.0 正式发布，开启物理智能递归自进化时代 | GAIR Paper 128（在新窗口打开）
模型竞争的下一站，是让智能体在真实世界里可执行、可验证、可进化。
33%！Claude、GPT、Gemini 在真实网站上集体翻车，ClawBench 把 AI agent 打回原形（在新窗口打开）
如果你觉得 AI agent 离帮你订机票、填报销单、投简历只有一步之遥，那 MMLU-Pro 的作者联合滑铁卢大学 TIGER Lab，UBC NAIL Group 和 UniPat AI，CMU 等机构刚刚放出的这项研究，可能会让你冷静下来。
一个国产AI小透明，连续两次刷新NanoGPT Speedrun世界纪录（在新窗口打开）
家人们，我最近在GitHub上看到一个爽文。
世界模型的三维难题新思路：原生一体生成左右眼完整视频流（在新窗口打开）
VAST，香港大学和PICO开源了一个双目世界模型——StereoWorld。
机械臂做到第10步就容易出错？一个 2B 模型靠动态调整注意力解决了 | IJCAI 2026（在新窗口打开）
S²-VLA 引入信念状态和自适应动态门控，仅用2B参数、7GB显存，长程操控超越7B模型。
MIT最新研究显示：AI文明可能根本不需要语言。（在新窗口打开）
最近 MIT 出了一篇研究，我看完有点不知道说什么好。
12 个关键节点，还原 1200 个 AI Agent 从集体作弊到攻击 Hugging Face 的全过程（在新窗口打开）
这可能是 Agent 时代迄今最值得警惕的安全事故之一。
「AI 味」不是在一句话里，而是渗透了所有的文字（在新窗口打开）
相信很多人现在见到「不是……而是」，已经会下意识 PTSD 了：这是不是 AI 写的？还有各种破折号，冒号，以及经典版本「稳稳地接住你」「我用最直白的话，不绕弯子地告诉你」…… 当然，这些不断被总结出
当 AI 开始为 AI 造“认知外骨骼”：不训模型，也能让小 AI 能力翻倍？AI4AI 正从这里开始（在新窗口打开）
Salesforce AI与UIUC研究人员提出Strong-to-Weak Scaffolding方法，让强模型（Builder AI）为弱模型GPT-5.4-mini自动设计外部Harness工作框架，无需修改参数即可将其在心智理论任务上的平均准确率从0.488提升至最佳0.912，揭示AI4AI的核心机制是将认知结构而非知识从强模型迁移至弱模型。
中国大模型已经世界一流，为什么开发者生态还在别人手里？（在新窗口打开）
模型是中国做的，为什么后面的数千次创新发生在海外开发者平台？从模型分发、开发者工具到算力路由，中国缺的不是技术，是默认路径。如果只看结论，读完下面五条摘要即可；后文是证据、机制和行动方案。
Co-Scientist升级：AI走出屏幕，首次在真实实验室「造出」半导体（在新窗口打开）
Google DeepMind与杜克大学联合发布了AI科研系统Co-Scientist的重大升级版本，Co-Scientist是Google基于Gemini构建的多智能体科研系统。
万兴偷偷做的TVC神器，茶颜悦色已经用上了！（在新窗口打开）
今年发了这么多期短剧Agent创作平台，我发现市面上专门针对TVC制作的，超级少。
谷歌重磅发布WikiSkill，技能可以自己进化了！（在新窗口打开）
一个 Agent 到底凭什么越来越强？有人靠更大的模型，有人靠更多数据。就在前天，Google Research 最新发布的 WikiSkill 给出了另一条答案：给 Agent 搭一套三层知识架构，让技能自己进化。
少数Full Attention层如何重塑内部计算？混合线性注意力大模型中的「尖峰」与「平台」之谜首次揭开（在新窗口打开）
Full Attention 层尚未开始计算，它前一层的激活值已提前「冲上峰值」—— 这就像演唱会主角尚未登台，观众席已提前沸腾。来自 StartLux、清华大学等机构的研究者以 Massive Activations 为探针，首次系统刻画了少数 Full Attention 层在混合线性注意力大模型中留下的「跨层痕迹」，并识别出「注意力前尖峰」（PAS）与「尖峰间平台」（ISP）两种核心形态。
自进化WAM来了！清华AIR联手域变换提出具身In-Context Causal Learning（在新窗口打开）
模型不更新，能力却持续增长。 这是Zeva最反直觉的地方，也是清华AIR与域变换联手给出的新答案。 在多个典型具身基准任务上，将冻结模型的累计成功率从26%提升到73%；在真实化学实验室，机械臂在多次尝试中越用越稳。 更关键的是，一次人类演示就能让模型“学会”一个新操作。 Zeva是首个实现In-Context Causal Learning（ICCL）的具身WAM。 它让模型可以在不更新权重的情况下，从自己的交互经验中持续学习。当这种能力逐步成熟，具身智能将迎来属于自己的“GPT时刻”。 项目信息 项目名称：Zeva 发布机构：清华AIR、域变换 论文题目：Zeva: In-Context
当AI从工具到认知主体，我们需要警惕哪些新风险？（在新窗口打开）
导读：随着智能体系统（Agentic AI System）处理任务能力的持续提升，AI 正在逐渐从传统意义上的工具，演变为能够自主决策、独立执行任务，并与人类及社会群体进行持续交互的智能主体。但是一个越来越值得关注的问题是：当 AI 的认知能力不断扩展，其潜在风险不再局限于单一任务中的幻觉、偏见或决策错误，而是进一步影响人类用户的能动性、自主性，乃至人类对 AI 系统的控制权。
AIVC只是前菜！复旦提出生命算子，统一生命建模（在新窗口打开）
虚拟细胞，已经成为AI与生物交叉领域最火热的方向之一。
DeepSeek V4 多模态开源，我们把它的视觉链路拆了一遍（在新窗口打开）
图片不只被编码，还直接参与 Attention、MoE 与 Agent 推理。
Agent记忆新范式Recuris：3B小模型到Claude Opus 5全线暴涨（在新窗口打开）
在此背景下，新加坡国立大学、普林斯顿大学与斯坦福、牛津等研究团队合作提出了 Recuris（Recursive Experiential–Working Memory Evolution），作为首个将递归自我改进应用在记忆控制层内的智能体架构，Recuris 通过三项核心技术突破，无需训练即成功实现了从 3B 小模型到 Claude Opus 5 的全面提升。
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。