AI教父Hinton诺奖演讲首登顶刊！拒绝公式，让全场秒懂「玻尔兹曼机」（在新窗口打开）
AI教父Hinton荣膺诺贝尔奖，可谓是实至名归。如今，他发表的「玻尔兹曼机」震撼演讲，已登上APS期刊。这一曾催化深度学习革命的「历史酶」，究竟讲了什么？
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。
用“因果规划”解决多智能体协作中的任务依赖难题｜港科广&腾讯（在新窗口打开）
在长周期、多步骤的协作任务中，传统单智能体往往面临着任务成功率随步骤长度快速衰减，错误级联导致容错率极低等问题。
大模型“记性差一点”反而更聪明！金鱼损失随机剔除token，让AI不再死记硬背（在新窗口打开）
训练大模型时，有时让它“记性差一点”，反而更聪明！
腾讯混元最新开源成“最强翻译”：国际机器翻译比赛获30个语种第一（在新窗口打开）
腾讯混元，刚刚又拿下一个国际冠军—— Hunyuan-MT-7B，以7B总参数量获得国际翻译比赛冠军。该模型支持33个语种、5种民汉语言/方言互译，是一个能力全面的轻量级翻译模型。
谷歌nano banana官方最强Prompt模板来了！先收藏再说（在新窗口打开）
nano banana爆火！网上看到的那些超强效果图是如何生成的呢？谷歌的官方Prompt模板终于来了！赶紧先收藏再说！
DeepMind爆火论文：向量嵌入模型存在数学上限，Scaling laws放缓实锤？（在新窗口打开）
这几天，一篇关于向量嵌入（Vector Embeddings）局限性的论文在 AlphaXiv 上爆火，热度飙升到了近 9000。
苹果新研究：不微调、不重训，如何让AI提问效率暴增6.5倍？（在新窗口打开）
在这场以大型语言模型（LLM）为核心的 AI 浪潮中，苹果似乎一直保持着低调，很少出现在技术报道的前沿。尽管如此，时不时地，该公司也能拿出一些非常亮眼的研究成果，比如能在 iPhone 上直接运行的高效视觉语言模型 FastVLM。
想成为一名合格的 AI PM，先抛弃过去那些让你成功的经验（在新窗口打开）
AI 产品经理，和我们所熟知的 PC、App 时代的产品经理完全不一样。
告别无效计算！新TTS框架拯救19%被埋没答案，推理准确率飙升（在新窗口打开）
大语言模型通过 CoT 已具备强大的数学推理能力，而 Beam Search、DVTS 等测试时扩展（Test-Time Scaling, TTS）方法可通过分配额外计算资源进一步提升准确性。然而，现有方法存在两大关键缺陷：路径同质化（推理路径趋同）和中间结果利用不足（大量高质量推理分支被丢弃）。
你的RAG系统有个数学BUG，DeepMind首次证明嵌入向量检索召回能力有限（在新窗口打开）
最近，工业界“RAG已死”甚嚣尘上。过去几年，AI领域的主旋律是“规模定律”（Scaling Law），即更大的模型、更多的数据会带来更好的性能。即便偶然有瑕疵，也认为只是工程上的不足，并非数学上的不可能。
冲上热搜！美团大模型，靠「快」火了（在新窗口打开）
国内外开发者：亲测，美团新开源的模型速度超快！
第一性原理视角下的MoE推理的经济学分析（在新窗口打开）
随着DeepSeek R1、Kimi K2和DeepSeek V3.1混合专家（MoE）模型的相继发布，它们已成为智能前沿领域大语言模型（LLM）的领先架构。由于其庞大的规模（1万亿参数及以上）和稀疏计算模式（每个token仅激活部分参数而非整个模型），MoE式LLM对推理工作负载提出了重大挑战，显著改变了底层的推理经济学。
IROS 2025 | 机器人衣物折叠新范式，NUS邵林团队用MetaFold解耦轨迹与动作（在新窗口打开）
机器人对可形变物体的操作（Deformable Object Manipulation, DOM），是衡量通用机器人智能水平的关键指标之一。与刚体操作不同，衣物、绳索、食物等物体的形态不固定，其状态空间维度极高，且物理交互过程呈现出复杂的非线性动力学特性，为感知、规划和控制带来了巨大挑战。
图像编辑太慢太粗糙？全新开源自回归模型实现精准秒级修改 | 智象未来（在新窗口打开）
AI图像编辑技术发展迅猛，扩散模型凭借强大的生成能力，成为行业主流。 但这类模型在实际应用中始终面临两大难题：一是“牵一发而动全身”，即便只想修改一个细节，系统也可能影响到整个画面；二是生成速度缓慢，难以满足实时交互的需求。
性能逼近闭源最强，通义实验室开源Mobile-Agent-v3刷新10项GUI基准SOTA（在新窗口打开）
覆盖桌面、移动和 Web，7B 模型超越同类开源选手，32B 模型挑战 GPT-4o 与 Claude 3.7，通义实验室全新 Mobile-Agent-v3 现已开源。
他们在1993年就提出了Scaling Law（在新窗口打开）
原来，Scaling Law在32年前就被提出了！ 不是2020年的OpenAI、不是2017年的百度，而是1993年的贝尔实验室。
Nano Banana 邪修之王最强科研成果！教你自定义生图比例！（在新窗口打开）
大家好，我是歸藏（guizang），今天教大家解决 Nana Banana 出图最大的问题。 Nano Banana 已经非常强了，但是最近大家普遍用的时候两个问题非常影响可用性
7个AI玩狼人杀，GPT-5获断崖式MVP，Kimi手段激进（在新窗口打开）
一群AI玩狼人杀，GPT-5断崖式领先，胜率达到了惊人的96.7%。 OpenAI的总裁格雷格·布罗克曼转发了这样的一个基准测试：让7个强大的LLMs，包括开源和闭源，玩了210场完整的狼人杀。
“FP8 精度”如何赋能国产AI?（在新窗口打开）
当前AI大模型（LLM）训练与推理对算力的巨大需求，以及传统计算精度（如FP16/BF16）面临的功耗、内存带宽和计算效率瓶颈。
DeepSeek、GPT-5都在尝试的快慢思考切换，有了更智能版本，还是多模态（在新窗口打开）
当前，业界顶尖的大模型正竞相挑战“过度思考”的难题，即无论问题简单与否，它们都采用 “always-on thinking” 的详细推理模式。无论是像 DeepSeek-V3.1 这种依赖混合推理架构提供需用户“手动”介入的快慢思考切换，还是如 GPT-5 那样通过依赖庞大而高成本的“专家路由”机制提供的自适应思考切换。
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。