世界模型评测的最大盲区，被新基准MemoBench捅破了（在新窗口打开）
来自哈佛大学、MIT、IBM、波士顿大学、谷歌、JHU、CMU 和 Kempner Institute 的研究者提出了一个新的诊断性基准：MemoBench。这是首个面向动态环境的「消失-重现」世界建模评测基准，并已被计算机视觉顶会 ECCV 2026 接收。其一作 Haoyu Chen 为哈佛大学计算科学与工程专业一年级硕士生，师从哈佛大学计算机科学助理教授 Yilun Du。
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。
分享8个Claude Fable 5下线前必跑的超实用Prompt（在新窗口打开）
整个周末我都在把额度刷刷刷满，剩下最后20%的时候在X上看到一个开发者发的一条长贴，他说他把Fable 5的行为模式，再结合Claude团队开源的Fable5提示语技巧，提炼成了一份协议，贴给Opus 4.8用，神人来的。
分享一种 AI 业务建模方法：Agent Ontology，Agent 本体论（在新窗口打开）
今天想和大家分享一种业务建模方法：Agent Ontology，Agent 本体论 Ontology 是我在研究 Palantir 时不断出现的一个词，仔细研究后觉得很有必要单独拿出来，和大家分享。 首先，Ontology 不是单纯的方法论，也不是单独一个工具。
Router的作用被低估了？vLLM这个神器，让单次调用背后藏了一支模型协作小队（在新窗口打开）
vLLM 社区推出的 Semantic Router 除了专注上面三个方向，正在更进一步：我们认为：router 不只是选择模型，还可以提升模型能力。用户不用改权重，也不用让每个 Agent 团队都自己搭一套 Graph，而是在一次普通 Model API 调用的内部，组织出一支有边界、有预算、有验证、有回退的 “小队”。
上海交大提出ICRDrag：首个上下文区域拖拽模型，实现精准可控图像编辑（在新窗口打开）
还在用 DragGAN、DragDiffusion 拖拽修图？点选拖拽容易变形、边界割裂、细节丢失的时代落幕了！ECCV 2026 ICRDrag 首创上下文区域拖拽模型，用掩码精准定位局部区域，移动、缩放、变形全都丝滑自然，兼顾精准度与画面真实感。
Vibe一下能自动画工程图、做3D装配的AI来了丨上海AI Lab（在新窗口打开）
近日，上海AI Lab等团队提出了一种面向专业软件智能体的新范式——ComAct（COM-as-Action）。它的核心思想在于：不再把鼠标点击和键盘输入作为Agent的action，而是让Agent直接生成COM代码，通过软件底层对象模型操纵真实专业软件。
ICML 2026｜两张图换个顺序，VLM就「不会了」：EgoTSR让机器人判断任务是否真的在推进（在新窗口打开）
浙江大学等五所高校的研究团队提出 EgoTSR。研究从第一人称机器人视角出发，希望让 VLM 学会判断任务状态，并把这种能力进一步扩展到长程规划。团队构建了包含 4600 万条样本的 EgoTSR-Data，并设计了三阶段课程学习流程。
Anthropic最新报告摸透全球打工人：凌晨5点求睡眠，晚6点问菜谱（在新窗口打开）
就在昨晚，Anthropic扔出了经济指数系列的第六份报告——第一次把几百万次Claude对话的采样精度从每周拉到逐小时！你几点焦虑、几点嘴馋、几点睡不着，全在数据里。AI比你的伴侣还懂你的作息。
把Agent丢入1000+文件：人大CoDA-Bench揭示Code Agent瓶颈（在新窗口打开）
中国人民大学的研究团队提出 CoDA-Bench，联合评估 Agent 的 Code Intelligence + Data Intelligence。该基准首次把 Code Agent 放进包含 1000 + 数据文件的复杂环境下，要求模型先自主探索文件系统、找到相关数据，再编写代码完成分析。实验显示，即使当前表现最好的系统，在 CoDA-Bench 上执行准确率也只有 61.1%；
AI Agent为什么总是不稳定？终于有了一个系统性基准来拆解（在新窗口打开）
三星大模型团队联合北京大学、香港城市大学、香港科技大学等科研机构，共同发布了面向 AI Agent 的基准测试 LiveClawBench。它关注的并不是「谁的 Agent 更强」，而是一个更基础、也更关键的问题：为什么同一个 AI Agent，在一些任务中已经接近可用，而在另一些任务中却会突然失稳？
ECCV 2026 | 悉尼大学提出Linstereo, 打通立体匹配「最后一公里」（在新窗口打开）
LinStereo 对应地做了三件事：PALA 换掉 ConvGRU 解决传播问题，HSCV 保留多尺度特征，DPI 用单目深度给一个靠谱的起点。PALA 做的事情说起来很直观，就是把 ConvGRU 的局部更新换成全局注意力，让每个像素每次迭代都能看到整张图。难点在于 softmax attention 是 O (N²) 的，直接用在高分辨率视差图上跑不动。
只用15%数据，多模态指令微调反超全量训练15.8%！（在新窗口打开）
来自上海交大、马来亚大学、CMU、MBZUAI、KIT和KAUST的团队提出VisNec（Visual Necessity Score，视觉必要性分数），用一个分数衡量每条训练样本里“图像到底起了多大作用”，被ECCV 2026收录。
黄仁勋说的Physical AI，被这家中国跨界选手带进了生命科学实验室（在新窗口打开）
华大智造子公司涌生智能×上海人工智能实验室，联合发布两项新成果：ProtoPilot：一款由真实实验室场景驱动的自进化多智能体系统；BioLab Bench：生命科学领域首个从用户需求到设备可执行的全流程Agent评测体系。
刚刚，LeCun团队让世界模型学会持续学习！（在新窗口打开）
刚刚，纽约大学联合LeCun初创AMI带来JEPA系列的最新成果——AdaJEPA。与过去在预训练结束后就冻结参数的世界模型不同，AdaJEPA能够在与环境交互中，基于测试时自适应（Test-Time Adaptation, TTA），实时调整世界模型的编码器和预测器参数，从而实现持续学习。
李飞飞署名具身新论文：Sim2Real烧不起，Real2Sim量大管饱（在新窗口打开）
还在聊Sim2Real？现在机器人圈更火的是Real2Sim！最近，英伟达GEAR联合李飞飞团队、佐治亚理工大学等机构联合发布全新Real2Sim系统——SimFoundry。SimFoundry只需一段真实世界视频，就能自动生成一个可以交互、训练、评测的机器人仿真环境。
能帮你做 Live Photo 了！藏师傅社交卡片 Skill 重磅更新（在新窗口打开）
前段时间我做了一个 guizang-social-card-skill（https://github.com/op7418/guizang-social-card-skill）。
世界模型的新用途：不做选手，去当裁判（在新窗口打开）
眼下具身赛道都在卷世界模型，都在抢着做机器人的“大脑”。
满分的「差」，Qwen与复旦等揭示编程智能体奖励设计的结构性困境（在新窗口打开）
设想这样一幕：你让一个编码智能体修复某个 bug，并用一组单元测试作为「做对了没有」的判据。
强化学习没作用？人大DelTA精准识别关键token，推理正确率大幅上升（在新窗口打开）
做大模型RL微调，你是不是也踩过这些坑？
怎么量化机器人数据价值？ATHENA将影响函数扩展到十亿参数VLA，313×加速筛选高价值数据（在新窗口打开）
具身智能正在进入数据 scaling 时代。Vision-Language-Action（VLA）模型让机器人可以从大规模示教数据（demonstrations）中学习更通用的操作策略。但对机器人 VLA 训练来说，数据并不总是越多越好：低质量数据可能会拖累模型性能，而每一条 demonstration 都意味着昂贵的人力采集、机器人运行，以及云端存储和训练成本。
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。