CVPR 2026最热方向，被一家杭州团队率先跑进了端侧！（在新窗口打开）
刚刚，Om AI发布全球首个面向物理世界的端侧流式多模态模型系列——VLX。VLX主打真实世界的端侧与具身场景，总共三款模型，三天连发：这三款模型连起来，不仅构成了多模态模型持续感知、精准定位、行动决策的能力闭环。
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。
单个tokenizer胜任图像视频理解生成！南大&腾讯混元HYDRA打通多模态统一难题（在新窗口打开）
南大王利民团队&腾讯混元的HYDRA系列（HYDRA，HYDRA-X）工作挑战了这个惯例，用一个基于ViT的统一视觉Tokenizer，帮助原生多模态模型更好地“看懂”和“创作”。训练一个基于ViT的Unified Tokenizer，使其同时具有理解和生成的能力，进而同时作为理解和生成的Autoencoder，来支持原生多模态模型（Unified Multimodal Models）的训练。
刚刚，DeepSeek V4更新DSpark，推理速度提升80%（在新窗口打开）
刚刚，DeepSeek V4 进行了一次更新。新推出了投机解码（Speculative Decoding）框架 DSpark，并同步开源了支撑该版本的全栈推测性解码框架 DeepSpec。DeepSeek-V4-Pro-DSpark 并非全新架构模型，而是在 DeepSeek-V4-Pro 基础上引入了推测性解码模块。此次更新的重点在于工程落地，而非模型能力本身的迭代。
微软年度AI职场报告：员工已经准备好了，公司还没有（在新窗口打开）
Jay 发自 凹非寺 量子位 | 公众号 QbitAI AI能否真正产生价值？组织因素的权重是个人的两倍。 也就是说，你AI用得不好，三分之二的锅得公司背。 这个反直觉洞察，出自微软一年一度的《Wor
大模型搜索总偷懒？IQuest等联合推出FORT，30B开源搜索Agent刷新同规模SOTA（在新窗口打开）
来自至知创新研究院（IQuest Research）、中国人民大学高瓴人工智能学院、KAUST等机构的研究团队提出了FORT，一个面向Deep Search Agent的shortcut-resistant training-data synthesis framework。
刚刚，翁荔博客上新：谨慎对待Scaling Law（在新窗口打开）
刚刚，翁荔（Lilian Weng）的博客 Lil'Log 终于更新了！要知道，自从她联合创立了 Thinking Machines Lab 之后，她那让许多人受益良多的博客就鲜少更新了——距离她上一次更新，已经过去了 13 个月。
黄仁勋：Prompt正在过时，Loop才是新范式（在新窗口打开）
这就是最近网上热传热议，然后老黄黄仁勋给AI新趋势画的新重点：Nobody writes prompts anymore. The new job is to write and handle loops.（现在根本没有人写Prompt了，新时代的核心工作是编写和管理loop。）
重磅！杨立昆团队JEPA首登无人机：纯仿真训练、零样本实机迁移，硬件改动误差降低30%（在新窗口打开）
图灵奖得主杨立昆提出的JEPA世界模型理论，终于在敏捷无人机机载高频控制场景完成工程落地了。
从「找视频」到「产视频」：快手RaG推动推荐系统迈向完全生成时代（在新窗口打开）
过去十年，推荐系统最核心的动作可以概括成一个字：找。
往 Codex 里塞块无限画布，AI 改图终于能指哪打哪了｜附教程（在新窗口打开）
和 Codex、Claude Code 等 Coding Agent 沟通，很多时候就像站在许愿池边，对着池子里的王八扔硬币，嘴里念念有词，关键它还真给你兑现愿望。
混元开源PhoneBuddy-4B与5篇系列论文：多项手机Agent真机评测超过GPT-5.4（在新窗口打开）
过去一年，Mobile/Phone-use Agent在各类评测榜单上进展很快。
4秒出百万面！突破千万面精度+12K高清贴图，手握数亿的3D生成公司下一局怎么打？（在新窗口打开）
今年2月，英伟达公开了一条内部AI工作流。
让机器人学会「预判接触」：它石智航牵头四大顶尖机构发布TacForeSight，破解精细操作难题（在新窗口打开）
机器人已经学会看见世界，也开始学会摸到世界。但对于真实接触操作而言，仅仅感知当前状态远远不够，机器人还需要预测物理世界接下来会如何变化。擦拭、插接、拧紧，这些人类几乎凭感觉就能完成的动作，对机器人来说却并非易事：接触力度会变化，物体位置会偏移，反馈慢一步，就可能打滑、卡住或丢失。
中国造出一颗「不怕死」的AI大脑，专接最要命的活儿（在新窗口打开）
太硬核了！全球首个搭载AI大脑的防爆机器人，正式接管加油站。自主定位、拧盖、提枪、注油，全套动作行云流水，24小时无休作业，具身智能终于在高危场景一战封神。
SIGGRAPH 2026 | 无需训练，一段单目视频解锁任意运镜与「子弹时间」（在新窗口打开）
给定一段普通单目视频，FreeOrbit4D 可沿任意指定相机轨迹「重拍」整个动态场景，包括影视级的「子弹时间」环绕镜头。
扩散模型自引导新范式：直接交换token就能变强！ | CVPR‘26 Oral（在新窗口打开）
扩散模型又被玩出新花样了。 一直以来，提高扩散模型生成质量的关键手段，是在推理阶段加入引导（guidance）。 要么依赖文本条件（如CFG）——需要专门的训练策略，没有文本条件就不能用； 要么靠显式加噪破坏模型推理——然而效果有限。 现在，一种全新的思路来了： 不需要文本条件，不加噪声，不改模型，只在内部交换token。 来自上海交大和vivo的研究者提出了一种十分简单但非常有效的方法：自交换引导（Self-Swap Guidance，SSG）。该工作已被CVPR 2026国际会议接收为Oral。 一句话总结： 通过在空间和通道维度上交换token特征，把模型“搞差”，再用这个“变差”的路径
AI生成的图片正在反向对齐人类的审美？ICML 2026观点论文Spotlight（在新窗口打开）
UBC 和 Weathon Software 的研究提出，图像的美学对齐正在削弱艺术表达。
Agent不会搞科研？人大微软开源框架&工具包解决盲目试错通病，抱抱脸日榜第一（在新窗口打开）
写代码、跑实验、改项目、迭代方案，现在的AI智能体样样都能搞定。
首个长程Doc2Repo训练集！代码Agent不止修bug，开始造仓库（在新窗口打开）
DeNovoSWE是一个用于训练代码智能体从零生成完整仓库的数据集，包含4818个真实任务实例。它通过结构化文档和严格验证机制，帮助智能体掌握复杂系统构建能力，而不仅仅是修复代码。这为代码智能体迈向更高阶的软件工程任务提供了关键支持。
横扫八大数学竞赛：清华微软联合提出STAR-PólyaMath，Apex基准超GPT-5.5 13.5%（在新窗口打开）
被一道数学竞赛题卡住很久时，高手往往能准确地判断：现在缺的是一个技术细节，还是整个思路从一开始就走错了？
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。