让模型“看视频写网页”，GPT-5仅得36.35分！上海AI Lab联合发布首个video2code基准（在新窗口打开）
多模态大模型在根据静态截图生成网页代码（Image-to-Code）方面已展现出不俗能力，这让许多人对AI自动化前端开发充满期待。
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。
无需再训练即可增强性能！港大团队提出GPC框架，实现机器人「策略组合」（在新窗口打开）
在机器人学习领域，提升基于生成式模型的控制策略（Policy）的性能通常意味着投入巨额成本进行额外的数据采集和模型训练，这极大地限制了机器人能力的快速迭代与升级。面对模型性能的瓶颈，如何在不增加训练负担的情况下，进一步挖掘并增强现有策略的潜力？
ACMMM 2025 | 北大团队提出 InteractMove：3D场景中人与可移动物体交互动作生成新框架（在新窗口打开）
该研究首次提出了含可移动物体的 3D 场景中，基于文本的人 - 物交互生成任务，并构建了大规模数据集与创新方法框架，在多个评测指标上均取得了领先效果。
1.58bit不输FP16！微软推出全新模型蒸馏框架，作者全是华人（在新窗口打开）
1.58bit量化，内存仅需1/10，但表现不输FP16？ 微软最新推出的蒸馏框架BitNet Distillation（简称BitDistill），实现了几乎无性能损失的模型量化。
大模型 “准确率悬崖” 被证实，科学家发现模型单次处理容量上限，多智能体成破局关键（在新窗口打开）
近日，来自阿联酋穆罕默德·本·扎耶德人工智能大学 MBZUAI 和保加利亚 INSAIT 研究所的研究人员发现一个针对大模型单次推理的“法诺式准确率上限”，借此不仅揭示了单次生成范式的根本性脆弱点，也揭示了“准确率悬崖”这一现象。
AI打通第一/第三人称视觉，跨视角视觉理解新SOTA｜ICCV 2025 Highlight（在新窗口打开）
具身智能落地迈出关键一步，AI拥有第一人称与第三人称的“通感”了！
超越纯视觉模型！不改VLM标准架构，实现像素级深度预测（在新窗口打开）
Meta开源DepthLM，首证视觉语言模型无需改架构即可媲美纯视觉模型的3D理解能力。通过视觉提示、稀疏标注等创新策略，DepthLM精准完成像素级深度估计等任务，解锁VLM多任务处理潜力，为自动驾驶、机器人等领域带来巨大前景。
教多模态大模型学会“反思”和“复盘”，上交&上海AI Lab重磅发布MM-HELIX&AHPO，破解多模态复杂推理难题（在新窗口打开）
多模态大模型表现越来越惊艳，但人们也时常困于它的“耿直”。
是RAG已死，还是RAG Anything，All in RAG？（在新窗口打开）
每隔一阵子，总有人宣告“RAG已死”：上下文越来越长、端到端多模态模型越来越强，好像不再需要检索与证据拼装。但真正落地到复杂文档与可溯源场景，你会发现死掉的只是“只切文本的旧RAG”。
无奖励也能把Agent练硬，Meta发布早期经验学习，隐式建模+反思（附提示词）（在新窗口打开）
Meta提出早期经验（Early Experience）让代理在无奖励下从自身经验中学习：在专家状态上采样替代动作、执行并收集未来状态，将这些真实后果当作监督信号。核心是把“自己造成的未来状态”转为可规模化的监督。
英伟达4段简短提示词，IOI夺金！开源模型也能征服最难编程竞赛（在新窗口打开）
OpenAI的封闭模型在IOI 2025竞赛夺金的同时，英伟达团队交出了一份同样令人振奋的答卷——他们利用完全开源的大模型和全新的GenCluster策略，在IOI 2025竞赛中跑出了媲美金牌选手的成绩！开源模型首次达到了IOI金牌水准。这究竟是怎样实现的？
AI点外卖哪家强，美团LongCat团队做了个全面评测（在新窗口打开）
美团LongCat团队发布了当前高度贴近真实生活场景、面向复杂问题的大模型智能体评测基准——VitaBench（Versatile Interactive Tasks Benchmark）。VitaBench以外卖点餐、餐厅就餐、旅游出行三大高频生活场景为典型载体，构建了一个包含66个工具的交互式评测环境，并设计了跨场景综合任务。
Meta用40万个GPU小时做了一个实验，只为弄清强化学习Scaling Law（在新窗口打开）
在 LLM 领域，扩大强化学习算力规模正在成为一个关键的研究范式。但要想弄清楚 RL 的 Scaling Law 具体是什么样子，还有几个关键问题悬而未决：如何 scale？scale 什么是有价值的？RL 真的能如预期般 scale 吗？
400元遥操95%机械臂！上海交大推出开源项目U-Arm，打造通用、低成本的人机遥操作接口（在新窗口打开）
400元遥操95%机械臂，上海交大推出开源项目U-Arm！ 目前它已在XArm6、Dobot CR5、ARX R5等多种机械臂真机上进行了遥操作的验证。
GPT-6要「活」了？MIT新作曝光，AI「自进化」不远了（在新窗口打开）
麻省理工学院最新研究预示着人类距离能够自主学习的AI又迈出了关键一步。该研究推出了一种全新的自适应大模型框架「SEAL」，让模型从「被动学习者」变为「主动进化者」。
斯坦福具身智能大佬引用，Huggingface官方催更：北京人形开源WoW具身世界模型（在新窗口打开）
在「具身智能」与「世界模型」成为新一轮 AI 竞赛关键词的当下，来自北京人形机器人创新中心、北京大学多媒体信息处理国家重点实验室、香港科技大学的中国团队开源了全新的世界模型架构。
AI智能编程新框架，节省一半时间就能“聪明”地写代码丨上海AI Lab&华师大（在新窗口打开）
在代码层面，大语言模型已经能够写出正确而优雅的程序。但在机器学习工程场景中，它离真正“打赢比赛”仍有不小差距。
多轮Agent训练遇到级联失效？熵控制强化学习来破局（在新窗口打开）
在训练多轮 LLM Agent 时（如需要 30 + 步交互才能完成单个任务的场景），研究者遇到了一个严重的训练不稳定问题：标准的强化学习方法（PPO/GRPO）在稀疏奖励环境下表现出剧烈的熵值震荡，导致训练曲线几乎不收敛。
稳定训练、数据高效，清华大学提出「流策略」强化学习新方法SAC Flow（在新窗口打开）
本文介绍了一种用高数据效率强化学习算法 SAC 训练流策略的新方案，可以端到端优化真实的流策略，而无需采用替代目标或者策略蒸馏。SAC FLow 的核心思想是把流策略视作一个 residual RNN，再用 GRU 门控和 Transformer Decoder 两套速度参数化。
这是最新AI产品季度百强丨量子位智库AI 100（在新窗口打开）
最新一季度的「AI 100」双榜单出炉了。 领军阵营中，哪些头部产品的地位被撼动，哪些新起之秀成功突围？高潜力种子选手中，有哪些新的细分场景和产品设计展现潜力？ 旗舰100和创新100榜单分别聚焦「国
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。