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！
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。
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。
RewardMap: 通过多阶段强化学习解决细粒度视觉推理的Sparse Reward（在新窗口打开）
近年来，大语言模型（LLMs）以及多模态大模型（MLLMs）在多种场景理解和复杂推理任务中取得突破性进展。
苹果AI选Mamba：Agent任务比Transformer更好（在新窗口打开）
都说苹果AI慢半拍，没想到新研究直接在Transformer头上动土。（doge） 「Mamba+工具」，在Agent场景更能打！
突破FHE瓶颈，Lancelot架构实现加密状态下的鲁棒聚合计算，兼顾「隐私保护」与「鲁棒性」（在新窗口打开）
在金融、医疗等高度敏感的应用场景中，拜占庭鲁棒联邦学习（BRFL）能够有效避免因数据集中存储而导致的隐私泄露风险，同时防止恶意客户端对模型训练的攻击。然而，即使是在模型更新的过程中，信息泄露的威胁仍然无法完全规避。为了解决这一问题，全同态加密（FHE）技术通过在密文状态下进行安全计算，展现出保护隐私信息的巨大潜力。
AGILE：视觉学习新范式！自监督+交互式强化学习助力VLMs感知与推理全面提升（在新窗口打开）
现有视觉语言大模型（VLMs）在多模态感知和推理任务上仍存在明显短板：1. 对图像中的细粒度视觉信息理解有限，视觉感知和推理能力未被充分激发；2. 强化学习虽能带来改进，但缺乏高质量、易扩展的 RL 数据。
微软BitDistill将LLM压缩到1.58比特：10倍内存节省、2.65倍CPU推理加速（在新窗口打开）
大语言模型（LLM）不仅在推动通用自然语言处理方面发挥了关键作用，更重要的是，它们已成为支撑多种下游应用如推荐、分类和检索的核心引擎。尽管 LLM 具有广泛的适用性，但在下游任务中高效部署仍面临重大挑战。
LLM记忆管理终于不用“手把手教”了，新框架让智能体自主管理记忆系统（在新窗口打开）
不再依赖人工设计，让模型真正学会管理记忆。
有效的 Context 工程（精读、万字梳理）｜见知录 004（在新窗口打开）
近日刚好得了空闲，在研读 Anthropic 官方技术博客和一些相关论文，主题是「Agent 与 Context 工程」。2025 年 6 月以来，原名为「Prompt Engineering」的提示词工程，在 AI Agent 概念日趋火热的应用潮中，
告别「偏科」，UniVid实现视频理解与生成一体化（在新窗口打开）
在视频生成与理解的赛道上，常常见到分头发力的模型：有的专注做视频生成，有的专注做视频理解（如问答、分类、检索等）。而最近，一个开源项目 UniVid，提出了一个「融合」方向：把理解 + 生成融为一体 —— 他们希望用一个统一的模型，兼顾「看懂视频」+「生成视频」的能力。
RL新思路！复旦用游戏增强VLM通用推理，性能匹敌几何数据（在新窗口打开）
复旦大学NLP实验室研发Game-RL，利用游戏丰富视觉元素和明确规则生成多模态可验证推理数据，通过强化训练提升视觉语言模型的推理能力。创新性地提出Code2Logic方法，系统化合成游戏任务数据，构建GameQA数据集，验证了游戏数据在复杂推理训练中的优势。
ICCV 2025 | 扩散模型生成手写体文本行的首次实战，效果惊艳还开源（在新窗口打开）
AI 会写字吗？在写字机器人衍生换代的今天，你或许并不觉得 AI 写字有多么困难。
MIT成果登Nature正刊：90天，「AI科学家」完成3500次电化学测试（在新窗口打开）
美国麻省理工学院李巨团队在国际顶尖学术期刊Nature上发表了一篇研究论文，展示了一种多模态机器人平台CRESt（Copilot for Real-world Experimental Scientists），通过将多模态模型（融合文本知识、化学成分以及微观结构信息）驱动的材料设计与高通量自动化实验相结合，大幅提升催化剂的研发速度和质量。
Codeforces难题不够刷？谢赛宁等造了个AI出题机，能生成原创编程题（在新窗口打开）
随着大型语言模型（LLM）朝着通用能力迈进，并以通用人工智能（AGI）为最终目标，测试其生成问题的能力也正变得越来越重要。尤其是在将 LLM 应用于高级编程任务时，因为未来 LLM 编程能力的发展和经济整合将需要大量的验证工作。
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。