CVPR 2026 | GaussianDWM：用3D高斯表示统一自动驾驶场景理解与多模态生成（在新窗口打开）
自动驾驶世界模型的研究目标已经从单纯预测未来视觉帧，扩展到构建可用于场景理解、空间定位和后续决策的世界表示。如果模型只能生成外观上合理的未来图像，却无法回答场景中有哪些目标、目标位于何处，以及不同视角下的空间结构如何变化，那么它仍然缺少对三维驾驶环境的显式建模能力。
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。
华为SpaceMind登顶空间智能权威榜：纯RGB视觉语言模型拿下70.6分，刷新李飞飞榜单记录（在新窗口打开）
大模型已经能流畅对话、看图识物，但一个更底层的问题始终没被真正解决——它们是否「理解」了我们所处的三维世界？
KV Cache终于不用无脑全留了！百度&复旦用「投资回报率」重新分配缓存｜ICML 2026（在新窗口打开）
随着AI Coding、Agent、Deep Research 等应用快速普及，模型单次处理的上下文长度正在从几万Token迈向几十万甚至百万Token。
PEFT方法评测不能只看下游分：通用能力损失也该被量化（在新窗口打开）
近期，来自香港中文大学、西湖大学、德国马普所等机构的研究者提出了 PEFT-Arena —— 一个从稳定性‑可塑性权衡（stability–plasticity trade-off）视角重新审视 PEFT 方法的评测基准与分析框架。该工作已在 ICLR 2026 相关 workshop 上进行了展示，并开源了完整代码。
谷歌官宣3万字路线图：1亿人类水平的AI就是ASI！（在新窗口打开）
谷歌DeepMind宣布：AGI，已经过时了！就在最近，谷歌DeepMind出了一份干货满满的57页报告，标题只有四个词：《从AGI到ASI》。论文地址：https://arxiv.org/abs/2606.12683
“智能体最后的考试”，Fable 5竟然不敌GPT 5.5（在新窗口打开）
刚刚，UC伯克利放出了一场号称“智能体最后的考试”的全新基准测试。它把当今最强的AI Agent们拉到考场上，让它们干真正的活——在Siemens NX里建3D模型、在Unreal Engine里搭游戏场景、在Adobe After Effects里做特效合成。
争论几十年的水之谜，被AI一举破解！港城大&中石大成果登Nature Physics（在新窗口打开）
香港城市大学曾晓成教授与中国石油大学（华东）钟杰教授团队给出了终结级的分子水平证据，成果发表于《Nature Physics》。他们首创了一套无监督深度学习框架，不给AI任何预设条件，直接把海量水系统中7400多万个水分子结构扔给模型，让AI自己去悟。结果不仅直接证明常压水里确实存在两种「暗」组份，还把A/B水分子相互变身的「立交桥」路线图给完整画了出来。
Harness 之后，硅谷 AI 圈又来新词了：Loop Engineering（在新窗口打开）
硅谷 AI 圈又来了个新词：Loop Engineering。 大佬们纷纷表态，别再手动验证和写提示词了，该让 Agent 自己循环完成工作了。 OpenClaw 开发者 Peter Steinberger 带火了这个讨论，Claude Code 负责人 Boris Cherny 也说他已经不怎么在 Claude Code 里输入提示词了，而是去写 loops。
CVPR 2026 | 视觉脑机迈向双向交互！神经流模型 NeuroFlow 打通视觉与神经的双向通道（在新窗口打开）
来自上海人工智能实验室、香港大学、香港中文大学等机构的研究团队，提出首个基于统一神经流模型的视觉-神经双向建模框架NeuroFlow，相关成果入选 CVPR 2026。它首次将视觉编码（写脑）与解码（读脑）整合到同一可逆流结构中，打通视觉感知与神经活动之间的双向通路，为理解人类视觉认知机制、构建下一代通用视觉假体与双向脑机接口提供了全新范式。
终于找到一键做爆款AI短视频的办法了！OiiOii 2.0升级实测【保姆级教程】（在新窗口打开）
我最近专门调研了一下AI短视频🧐。发现市场规模是越来越大。
AI智能体走出实验室！中科院等机构联合发布首个OpenClaw系统性综述（在新窗口打开）
上下文攻击、供应链渗透、AI社区崩溃……当大模型智能体真正进入开放世界，挑战远比想象中复杂。
Anthropic宣告「递归自我提升」时代到来，LLM如何实现自我进化？全景综述带你一探究竟（在新窗口打开）
近日，Anthropic 发布了一篇引发广泛关注的文章《When AI builds itself》。文中披露了极其惊人的内部数据：截至 2026 年 5 月，Anthropic 超过 80% 的合并代码已由 Claude 编写，工程师的日常代码产出飙升了 8 倍；更令人瞩目的是，AI 智能体已经可以自主提出假设、执行长达数百小时的强化安全实验。
NEWTON:从「等物理涌现」到「请牛顿进工具箱」，Agent 驱动的视频生成新范式（在新窗口打开）
近年来，视频生成模型发展迅猛。从 Sora、Veo、Kling 到一系列开源视频生成模型，文生视频已经逼近真实影像的观感 —— 画面清晰、镜头流畅、风格可控，一句话就能生成一段观感不错的视频。
Agent 带来Episodic Workload后，传统开源数据库已经远不够用了（在新窗口打开）
如果把一个商业化产品、一个科技公司的底层系统比作一棵树，那任意挑出一个项目，层层抽丝剥茧之后，你一定会发现，最早的年轮，一定与开源有关。
通向AGI的关键拼图！首篇多模态大模型「音频推理」综述出炉，万字拆解四大前沿路径（在新窗口打开）
想象这样一个惬意的周末： 空调带来阵阵凉意，你靠在沙发上看书，突然耳边传来“哒哒哒”的小碎步声，接着，玄关门边传来了一阵清脆、略带急切的“呜呜”声，还伴随着爪尖轻轻扒拉木门的声响。
陶哲轩First Proof二期结果出炉！最低8美元1题，AI烧出7道论文级解法（在新窗口打开）
陶哲轩又发成绩单了。 由他主导的First Proof项目第二批评测结果出炉。 本次评测延续了项目核心规则：选取10道从未在网络、期刊上公布过解法的前沿研究级数学新题，交由AI系统作答。 但相比第一次评测，本次测试进一步提高了标准。 评测全程采用专业的双盲同行评议机制，经专家评定，最终有7道题的AI解答达到学术发表标准， 其中，解得最漂亮的Problem 5—— 一道关于随机偏微分方程的问题，AI提出的解法跟人类完全不同，推导得出了比人类解法更强的中间结论。 双盲同行评议 这次的题目是来自数学家真实研究中的新问题。 本次的问题覆盖了可计算理论、离散几何（和经典的莫比乌斯带猜想相关）、离散概率、
Codex 大降价要来了，这份官方指南手把手教你高效榨干额度（在新窗口打开）
这段时间以来，Codex 在社交媒体上是好评如潮。
指令遵循媲美Seedance 2.0！复旦腾讯联合提出Baton，多说话人场景M-WER暴降76%（在新窗口打开）
视频生成，早已不止于视觉。 随着生成式AI发展，联合视频—音频生成正成为重要研究方向。与视频优先、音频后期合成的传统流水线相比，原生同步生成的视听内容跨模态一致性更强，用户体验更沉浸。 但问题在于，现有开源模型面对复杂语义时力不从心。 遇到多阶段动作的组合式指令、涉及人与物体交互的复杂任务时，模型往往无法准确建模场景中的时序逻辑和因果关系——不仅要求长程语义推理能力，还必须在推理中维持视频与音频的时空一致性。 核心矛盾在于：现有方法依赖粗粒度全局文本嵌入指导扩散过程，无法将多阶段动作与多说话人对话分解为具有时间对齐的指导信息，视频和音频去噪轨迹因此各自演化，最终跨模态失配。 为解决这一问题，复
斩获15个顶级零日漏洞：0G Lab联合新国立，北大和北邮团队构建的共识协议debug智能体框架（在新窗口打开）
分布式系统的 “圣杯”—— 共识协议（Consensus Protocols），长久以来都是顶级基础设施工程师的 “Bug 地狱”。由于其状态极其复杂、多节点交织，传统测试和单体 LLM 对硬核的 Deep Bug（深层逻辑漏洞）几乎束手无策。
ACL 2026 Oral｜语义推理如鲠在喉：大模型被「短语」难住了（在新窗口打开）
AI 的能力边界正在不断被刷新。从数学推理到代码生成，再到数字化白领，语言模型和语言智能体在诸多基准测试中已展现出超越人类专家的表现。一个看似顺理成章的判断早已成为共识：语言模型已经具备了扎实的语言理解和语义推理能力。然而，ACL 2026 Oral 的一项研究工作从一个更基础的层面重新审视了这个问题：语言模型真的理解（短语）语义吗？
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。