登上Science Robotics顶刊！清华团队耗时22年，终于教会机器人踢足球（在新窗口打开）
顶会可以年年开，但这本期刊不是每个实验室都能进的。
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。
Anthropic：AI没有导致失业率的增加（在新窗口打开）
AI 没有抢走任何人的工作。至少到目前为止没有。
全球虚拟细胞全景路线图发布！（在新窗口打开）
8月18日，一篇系统梳理单细胞基础模型的综述预印本挂上 Preprints.org（doi:10.20944/preprints202608.1166.v1），标题是《The Landscape of Single-Cell Foundation Models: Design Principles, Applications, and Open Challenges》，尚未经过同行评审。
视频世界模型困在像素网格里：腾讯开源SCoPE，用射线空间重写位置关系（在新窗口打开）
香港大学、香港科技大学与腾讯 ARC Lab 联合提出 SCoPE（Sightline-Coordinate Positional Encoding），一套面向视频 DiT 的射线空间位置编码：让视频模型处理位置关系的基底从张量网格转向射线空间。
清华沃顿师徒破解40年悬案！核心数学全是GPT写的，你上你也行（在新窗口打开）
训练一切AI的算法，被AI自己判了「死刑」？就在最近，清华大学和宾大沃顿商学院的两位研究者挂出一篇新论文，给了一个优化理论界等了40年的结论——梯度下降想跑到最快，光调步长没用。
给 Agent 做“CT”：大规模 Agent 的可观测与质量保障体系（在新窗口打开）
随着大语言模型能力边界的持续拓展，AI Agent 已从概念验证阶段迈入大规模工程落地。然而，Agent 内部复杂的任务规划、工具调用与记忆检索机制，使得传统的应用观测手段在面临这类非确定性系统时显得力不从心。
Claude Code 被轻易攻破，仅需一个假工具（在新窗口打开）
用户让 AI 编程助手写个贪吃蛇小游戏，智能体照办了，但同时多跑了一条 curl | bash 命令，把攻击者的脚本下载到本地并执行。
北大与微软亚研提出 BCP，让模型自己决定何时重规划（在新窗口打开）
在 action chunking 已成为 VLA 标配的今天，「一次执行多少步」几乎被所有工作当作一个固定的超参数。
世界模型驶入F1赛道：探索极限工况下具身智能体的认知物理边界（在新窗口打开）
当自动驾驶赛车以近 300 km/h 的时速在 F1 赛道上与周车进攻防守、交互博弈，它面对的问题早已不只是提升圈速。
扩散语言模型驱动的实时交互视频模型：SigmaZ 完成数百万美元融资（在新窗口打开）
Pixel 擅长表达 appearance，Code 擅长表达 structure；未来会进入 Pixel-Code 联合的视觉表达。
视频DiT直接「长」出 4D 世界！浙大仅用1K条数据打通统一接口（在新窗口打开）
今天的视频生成模型，已经越来越像一个会拍电影的导演。
我在 GitHub 翻到 21 个 Skill，产品经理的活它全接了（在新窗口打开）
一个需求从零推到能开发，我得写调研问卷、拆竞品、出原型、写 PRD，就是给研发看的那份需求说明书，然后拉上研发测试设计法务开评审会，最后再补一份埋点方案，说清楚上线之后用户每个动作要记哪些数据。
DeepSeek Harness满血版解锁！Seed牛来版！（在新窗口打开）
上两天肝的视频上了热搜 + 热门，使用插件，针对 ds 模型可以提升不小的性能。
我把 DeepSeek Harness 的代码做成了可视化教程（在新窗口打开）
今天想和你聊聊 DeepSeek Harness。
AI视频运镜玄学已破！告别无限抽卡，3D预演台直接封神（在新窗口打开）
用 AI 做视频的同学总有这样的痛苦：提示词也不是没认真写，运镜方向、人物走位、画面构图交代了一大段，但模型给出的画面总是差着一截，运镜偏了几十度，人物走到中途消失，镜头速度前半段稳后半段飘。
用3D几何先验驱动视频扩散，实现更一致的世界生成（在新窗口打开）
随着视频扩散模型能力不断提升，从单张图像出发、按照用户指定的相机轨迹生成新视角视频，正在成为 World Modeling 的重要技术路线。
ScienceDiscovery发布：零科研幻觉的一站式AI工作台，BiomniBench-DA验证效果业界SOTA（在新窗口打开）
ScienceDiscovery 是基于 Agent OS（JiuwenSwarm）开发的一款面向跨学科、全流程科研场景的一站式 AI 工作台，解决科研场景面临的工具碎片化、大模型科研幻觉两大痛点问题，打造 AI 辅助科研新范式，加速科学发现，广泛应用于各行各业。
浙大团队开源AI科研智能体Polaris：让AI与你一起做研究（在新窗口打开）
科研的链条很长。文献读不完，方向想不清，实验一轮接一轮，论文改到深夜。过去两年，大模型已经能读论文、写代码、改文章，但它们大多以问答工具的形态散落在各个环节，替研究者节省的只是零碎时间。
浙大开源PhyEdit：单图编辑+精准3D物体操作 | ACM MM'26（在新窗口打开）
图像生成模型正从「会创作」转向「可操作」。
解码提速15.1倍、多任务性能不降：复旦&引望WAM-Diff2打通自动驾驶VLA自回归—扩散转换（在新窗口打开）
视觉 - 语言 - 动作（VLA）模型已成为端到端自动驾驶的主流技术路线，但基于自回归（AR）解码的现有架构面临双重结构性瓶颈：其一，逐 Token 串行生成导致推理延迟随序列长度线性增长，严重制约实时部署；其二，训练阶段依赖真实前缀的 teacher forcing 机制，使模型在推理时暴露于自身生成的误差之上，引发长时序累积的曝光偏差（exposure bias）。
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。