一篇综述看懂 agent context compression：怎么压、压什么、谁来压（在新窗口打开）
LLM Agent 做长任务时，真正让人头疼的往往不是模型不会推理，而是上下文开始失控：前几步还很清楚，后面就忘约束、丢状态、重复试错，最后把任务跑成事故现场。
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。
MBench: 清华x腾讯联合定义视频世界模型的长期记忆能力（在新窗口打开）
随着视频生成技术的发展，模型正在从短视频片段合成，向流式长视频生成演进。然而，仅仅做到视觉上的逼真是不够的。一个功能完备的视频世界模型，必须能够在长时序交互中保持稳定的内部状态，并遵循真实世界的物理定律与逻辑规则。
谷歌Gemma4-12B怎么用最好？16G显存轻薄本也能跑起本地多模态SubAgent（在新窗口打开）
过去一年，开源模型的发布节奏已经快到让人麻木。每次发布，伴随的永远是一组跑分、一张能力雷达图，以及几个“超越某某”的结论。
AI交互新基准！蚂蚁提出MiniAppBench并入选ICML 2026 Spotlight（在新窗口打开）
想象一下，你问 AI 要一个饮食记录工具，它不再是回你一段文字建议，而是直接给你一个可以点击添加、统计热量的完整应用。人和 AI 的交互，正在从「读文字」走向「用应用」。
Claude 最强模型 Fable 5 全解析：Mythos 级别的怪物（在新窗口打开）
今天凌晨，Anthropic 发布新模型 Fable 5，毫无疑问的，也是当下的最强模型
SwarmFlow来了！openJiuwen开创蜂群可控协同新范式（在新窗口打开）
AI Agent 正在从 "单兵作战" 走向 "团队协作"—— 让多个 Agent 分工配合，去完成单个 Agent 难以独立扛下来的复杂任务，也是近期最受关注的方向之一。
扩散模型里的噪声，原来还有这样的作用：DRDD重新定义统一图像翻译（在新窗口打开）
在图像到图像翻译（Image-to-Image Translation, I2I）这个任务上，扩散模型过去几年几乎形成了一套默认逻辑：先把输入图像和噪声混合，再一步步去噪，把目标图像 “还原” 出来。
BEV杀入具身智能：跨维智能把机器人数据带上Scaling快车道（在新窗口打开）
具身智能现在面临的问题，和自动驾驶几年前的困境非常相似。
当线性注意力学会「写入前思考」：并行化的多步记忆写入（在新窗口打开）
Transformer 依托强大的建模能力和 Scaling 效率在推荐领域被广泛应用于超长序列建模和生成式推荐等方向，
OneReason：当推荐系统学会思考（在新窗口打开）
推荐系统的过去十年，本质是把 "用户 - 物料" 的统计共现挖到极致 —— 从协同过滤、深度模型，到生成式 OneRec 系列，每一代都在让 "记忆" 更精细、参数更大、序列更长，也让 Scaling 这件事在工业级推荐系统上跑通，持续释放算力红利。
RSS2026 | 强泛化强迁移VLA，上海创智学院×上海交大提出MINT：让VLA从模仿轨迹走向理解意图（在新窗口打开）
机器人视觉语言动作（Vision-Language-Action, VLA）模型越来越多地开始展示叠衣服、倒茶、做咖啡等复杂操作。但是，今天的大多数 VLA 更像 “展台机器人”。
HTML版剪映来了！Open Design 团队最新开源力作，3天时间，写了3万行代码！（在新窗口打开）
视频制作行业正在经历一场革命。 过去，要做出一支像样的产品宣传视频或者知识解说视频，你需要专业的剪辑师、动画师、配音员，可能还要花几万块钱找外包团队。 即使是小团队自己做，也得精通AE、Pr这些复杂的工具，光学习成本就高得吓人。 而且，这一切成本和门槛都还是建立在人工操作的基础上的。 就在这个时候，Open Design 团队干了一件大事。他们用了3天时间，写了3万行代码，把视频制作这件事彻底改写了，而且照样是开源的。 现在，你只需跟你的 AI Agent 说句话，或者粘贴一个公众号文章链接，它就能直接给你生成一支动态的 MP4 视频。而且，这个过程完全在你本机上运行，没有云端渲染费用，也不绑
Claude Code爆火背后的Agent Harness底层逻辑，UIUC、Meta、斯坦福深度解读（在新窗口打开）
过去两年，大模型写代码已经不再新鲜。从代码补全到 GitHub issue 修复，从竞赛编程到仓库级软件工程，人们习惯用一个简单标准评估 coding agent：代码能不能写对？测试能不能通过？
新架构模型HRM-Text创新纪录！1B参数、1000美元，图灵奖得主都亲自下场了（在新窗口打开）
一个约 1B 参数的模型，在 MATH 上拿到 56.2，在 GSM8K 上拿到 84.5，在 ARC-Challenge 上拿到 81.9。训练成本约 1500 美元，16 块 H100 跑了不到两天。
Anthropic最新博客：生物学Agent的瓶颈不在模型，而在数据基础设施（在新窗口打开）
当前，Coding Agents 在软件工程领域一路高歌猛进，科学家们看到此场景，也不禁寄予厚望：AI 智能体何时能以同样的速度，帮人类攻克药物设计、病毒监控与生物学建模的重重难关？
280美元一单！1000名工程师教Claude写好代码（在新窗口打开）
Anthropic自家工程师早已基本不写代码了，却280美元一个任务，花钱请约1000名外部工程师，手把手教Claude Code写出好代码。喂养前沿模型的，终究还是人。
Meta蔡志鹏新作VLM³：全面揭示三维视觉的Bitter Lesson（在新窗口打开）
Meta 发布了一项令人震撼的研究工作 VLM³，首次揭示了三维视觉学习的 Bitter Lesson：标准的视觉语言模型 + scale 数据就是最简单有效的范式，针对特定任务的架构、损失函数以及数据增强的设计，甚至是 regression 的 formulation，均不是三维视觉学习的必要条件。
我以为宠物翻译器是纯扯淡，直到我翻了几篇论文（在新窗口打开）
第一次看到杭州某家公司的宠物翻译器报道时，我的反应很直接：这不就是新一代智商税吗？
ICML 2026 | PhysForge框架来了，让3D资产从静态模型变成可交互对象（在新窗口打开）
在交互式虚拟世界和具身智能快速发展的今天，高质量 3D 资产已经不再只是 “看起来像” 就足够。一个柜门不仅要有柜门的外观，还需要知道绕哪条轴旋转；一个按钮不仅要有按钮的形状，还需要具备 “按下 / 弹起” 的状态；一个抽屉不仅要有完整几何，还需要拥有滑动方向、运动范围、材质和质量等物理属性。该研究已被 ICML 2026 接收。
让机器真正理解世界需要一张「认知地图」，中科院发布空间智能综述（在新窗口打开）
AI 已经能看懂图像、生成场景，甚至在虚拟环境中规划行动。
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。