斯坦福：优化器「诸神之战」？AdamW 凭「稳定」胜出（在新窗口打开）
自2014 年提出以来，Adam 及其改进版 AdamW 长期占据开放权重语言模型预训练的主导地位，帮助模型在海量数据下保持稳定并实现较快收敛。
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。
具身VLA后训练：TeleAI提出潜空间引导的VLA跨本体泛化方法（在新窗口打开）
在多模态大模型的基座上，视觉 - 语言 - 动作（Visual-Language-Action, VLA）模型使用大量机器人操作数据进行预训练，有望实现通用的具身操作能力。
空间智能新高度：港科大谭平团队SAIL-Recon突破万帧级图像大规模3D场景重建Transformer（在新窗口打开）
香港科技大学谭平教授团队与地平线（Horizon Robotics）团队最新发布了一项 3D 场景表征与大规模重建新方法 SAIL-Recon，通过锚点图建立构建场景全局隐式表征，突破现有 VGGT 基础模型对于大规模视觉定位与 3D 重建的处理能力瓶颈，实现万帧级的场景表征抽取与定位重建，将空间智能「3D 表征与建模」前沿推向一个新的高度。
SceneSplat: 基于3DGS的场景理解和视觉语言预训练，让3D高斯「听懂人话」的一跃（在新窗口打开）
开放词汇识别与分类对于全面理解现实世界的 3D 场景至关重要。目前，所有现有方法在训练或推理过程中都依赖于 2D 或文本模态。这凸显出缺乏能够单独处理 3D 数据以进行端到端语义学习的模型，以及训练此类模型所需的数据。与此同时，3DGS 已成为各种视觉任务中 3D 场景表达的重要标准之一。
大模型破译甲骨文创下新SOTA！复旦团队推出新框架（在新窗口打开）
让大模型破译从未见过的甲骨文，准确率拿下新SOTA！
OpenAI重组GPT-5「灵魂」团队！亚裔女负责人遭调离，罕见自曝AI幻觉祸首（在新窗口打开）
OpenAI重磅结构调整：ChatGPT「模型行为」团队并入Post-Training，前负责人Joanne Jang负责新成立的OAI Labs。而背后原因，可能是他们最近的新发现：评测在奖励模型「幻觉」，模型被逼成「应试选手」。一次组织重组+评测范式重构，也许正在改写AI的能力边界与产品形态。
震撼实锤！清华姚班校友揭「1.4×加速」陷阱：AI优化器为何名不符实？（在新窗口打开）
为了降低大模型预训练成本，最近两年，出现了很多新的优化器，声称能相比较AdamW，将预训练加速1.4×到2×。但斯坦福的一项研究，指出不仅新优化器的加速低于宣称值，而且会随模型规模的增大而减弱，该研究证实了严格基准评测的必要性。
字节发了个机器人全能大模型，带队人李航（在新窗口打开）
机器人终于不用散装大脑了！ 字节Seed一个模型就能搞定机器人推理、任务规划和自然语言交互。
设计师大解放！清华发布「建筑平面图」自动生成模型 | ACL'25（在新窗口打开）
清华大学最新提出的建筑专业知识驱动的平面图自动生成方案FloorPlan-LLaMa，解决传统模型「指标优秀但实际不可用」 痛点，让AI生成贴合建筑师设计偏好的可行方案。
任意骨骼系统的模型都能驱动？AnimaX提出基于世界模型的3D动画生成新范式（在新窗口打开）
在游戏、影视制作、虚拟人和交互式内容创作等行业中，高质量的 3D 动画是实现真实感与表现力的基础。然而，传统计算机图形学中的动画制作通常依赖于骨骼绑定与关键帧编辑，这一流程虽然能够带来高质量与精细控制，但需要经验丰富的艺术家投入大量人力与时间，代价昂贵。
调整训练数据出场顺序，大模型就能变聪明！无需扩大模型/数据规模（在新窗口打开）
模型训练重点在于数据的数量与质量？其实还有一个关键因素—— 数据的出场顺序。
OpenAI罕见发论文：我们找到了AI幻觉的罪魁祸首（在新窗口打开）
AI 最臭名昭著的 Bug 是什么？不是代码崩溃，而是「幻觉」—— 模型自信地编造事实，让你真假难辨。这个根本性挑战，是阻碍我们完全信任 AI 的关键障碍。
视频理解新标杆，快手多模态推理模型开源：128k上下文+0.1秒级视频定位+跨模态推理（在新窗口打开）
能看懂视频并进行跨模态推理的大模型Keye-VL 1.5，快手开源了。
沉寂一个月，openPangu性能飙升8%！华为1B开源模型来了（在新窗口打开）
在端侧 AI 这个热门赛道，华为盘古大模型扔下了一颗 “重磅炸弹” 。
不止会动嘴，还会「思考」！字节跳动发布OmniHuman-1.5，让虚拟人拥有逻辑灵魂（在新窗口打开）
想象一个虚拟人，他不仅能精准地对上你的口型，还能在你讲到关键点时做出恍然大悟的表情，在你讲述悲伤故事时流露出同情的神态，甚至能根据你的话语逻辑做出有意义的手势。
多模态大模型持续学习系列研究，综述+Benchmark+方法+Codebase一网打尽！（在新窗口打开）
近年来，生成式 AI 和多模态大模型在各领域取得了令人瞩目的进展。然而，在现实世界应用中，动态环境下的数据分布和任务需求不断变化，大模型如何在此背景下实现持续学习成为了重要挑战
长视频生成可以回头看了！牛津提出「记忆增稳」，速度提升12倍（在新窗口打开）
VMem用基于3D几何的记忆索引替代「只看最近几帧」的短窗上下文：检索到的参考视角刚好看过你现在要渲染的表面区域；让模型在小上下文里也能保持长时一致性；实测4.2s/帧，比常规21帧上下文的管线快~12倍。
0.01%参数定生死！苹果揭秘LLM「超级权重」，删掉就会胡说八道（在新窗口打开）
苹果研究人员发现，在大模型中，极少量的参数，即便只有0.01%，仍可能包含数十万权重，他们将这一发现称为「超级权重」。超级权重点透了大模型「命门」，使大模型走出「炼丹玄学」。
突破具身智能“专家困境”！北大新方法让宇树G1靠单一框架掌握跳舞和侧手翻（在新窗口打开）
人形机器人对跳舞这件事，如今是越来越擅长了。北京大学与BeingBeyond团队联合研发的BumbleBee系统给出了最新答案：通过创新的“分治-精炼-融合”三级架构，该系统首次实现人形机器人在多样化动作中的稳定控制。
字节Seed最新版原生智能体来了！一个模型搞定手机/电脑/浏览器自主操作（在新窗口打开）
AI自己玩手机、玩电脑、操作网页浏览器……背后还只靠一个模型。 卷王字节Seed又把智能体带到了一个全新level~
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。