CVPR 2026｜LLM会写3D视觉代码吗？清华联合智源用GeoCodeBench给出答案（在新窗口打开）
近日，来自清华大学智能产业研究院（AIR）的团队联合北京智源研究院（BAAI）、北京大学、南京大学等机构构建了一个基准：GeoCodeBench。这是一个面向 3D 几何计算机视觉的 PhD 级 coding benchmark，
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。
重写《给阿嬷的情书》结局：哈工大张民团队联合阿里开源全流程AI多智能体导演框架VideoClaw（在新窗口打开）
早在 2023 年大模型快速发展期，哈工大张民教授立知大模型团队已开展多模态大模型驱动的视频内容创作智能体研究，并全球首发开源了电影制作智能体 FilmAgent 与动画片生成智能体 Anim-Director，受到国内外智能体研究者与文艺创作者的广泛关注。
快手可灵提出VLM-as-Teacher：用测试时在线优化，让视频生成模型学会按规则推理（在新窗口打开）
怎么让VGM学会按规则推理？过去主要有两条路。两条路，一个不动模型，一个只写文字，都没真正解决“执行”问题。为此，城大×快手可灵提出了第三条路：VLM-as-Teacher。
超越Figure AI！全球首个机器人训练楼盘开盘：30万套中国住宅，机器人拎包入住（在新窗口打开）
一觉睡醒，具身智能公司竟然也开始搞房地产了？！刚刚，大晓机器人联合港中文MMLab发布了一个新项目——Kairos-Homeworld，全球首个实现全屋三维生成与物体级全交互的统一框架。
单卡10秒级！计算所联合ETH单图3D化新研究：同质量生成提速2.67倍（在新窗口打开）
来自中国科学院计算技术研究所、ETH Zurich等机构的研究者提出了Fast-SAM3D。该方法直接面向SAM3D的推理链路做训练无关加速，在最大程度保持重建质量的同时，将单对象生成提速最高2.67倍，场景生成提速最高2.01倍。
告别盲盒筛选！分子之心发布MMDesign，抗体发现迈入可编程生物工程时代（在新窗口打开）
今日，分子之心正式对外发布全新的AI生物药从头设计平台——MMDesign。
阶跃Step 3.7 Flash登顶AA榜：速度、性价比、端到端三项第一（在新窗口打开）
OpenRouter Trending榜单冷不丁窜出一匹国产黑马，热度暴涨稳居全球第二。
超越TurboQuant：Together AI把2-bit KV Cache推向真实服务（在新窗口打开）
长上下文模型越来越能“记”，但真正让它们跑到线上时，最先顶不住的往往不是算力，而是KV Cache。
「这可能是人类写的最后一篇论文」Stanford、Michigan、CMU 等 37 位学者联手：把论文从 PDF 改写成 AI 能直接执行的研究包（在新窗口打开）
我们今天以 PDF 写论文的方式，已经持续了三百多年。然而论文其实是把一段混乱反复、充满试错的真实研究，讲成一个干净利落、足以服人的完美故事。
微软最新提出SkillOpt，用训练大模型的方法优化你的Agent Skills（在新窗口打开）
训练大模型时，工程师绝对不会指望网络做一次前向传播就能收敛。它需要数据喂养、Batch切分、学习率控制、验证集筛选以及优化器状态的迭代试错。
谷歌Gemma 4 12B震撼发布！全球下载破1.5亿，16G轻薄本封神（在新窗口打开）
刚刚，谷歌扔出Gemma 4 12B大杀器！16G轻薄本就能全离线流畅跑通，性能直逼26B巨兽，全体开发者惊呼太震撼了，平民级本地AI封神之作降临。硬核实测速来看！
微软「意外泄密」：Claude Mythos万亿参数，训练规模浮出水面？（在新窗口打开）
Claude Mythos就用6.1×10²⁷ FLOPs提前叩响了奇点的大门。
一个GPT Plus会员的钱，够机器人跑一个月世界模型了（在新窗口打开）
真没想到啊！物理AI的账单，有一天竟然能和大模型一个价。
刚刚，李飞飞亲自下场定义世界模型（在新窗口打开）
世界模型火，火到都有点乱了。 单单一个定义，就越来越众说纷纭：视频生成模型可以是世界模型，能生成游戏的语言模型也被叫世界模型，还有人把物理引擎也塞进这个筐里…… 乱，乱得李飞飞本人都有点看不下去了。刚刚，她亲自撰文，给世界模型来了个清晰的功能分类。 用词毫不客气：世界模型是当今人工智能领域最重要也最被滥用的术语之一。 古希腊人无法就世界的构成达成共识，因为“世界”从来不是一个单一的实体。人工智能也继承了同样的问题，而此时，这个领域恰恰最需要的就是精准性。 至少，要先分清三件事： 渲染、模拟、规划。 话不多说，赶紧一起来做笔记。 世界模型的三大功能 李飞飞首先拆析了世界模型的技术意义。 智能体（
Anthropic内部95%业务分析交给Claude，秘诀竟然不在更强模型（在新窗口打开）
都以为让AI查数据省事，结果它答得漂亮你却不敢信。Anthropic最近说这事有解了，靠的是一套和代码无关的「笨功夫」。
首次系统定义「Token经济学」，浙大&阿里联合发布大模型Agent资源分配新范式（在新窗口打开）
当大模型 Agent 从实验室加速走向金融、医疗、代码开发等高价值场景，一个隐秘却致命的瓶颈正在浮现：Token 的指数级消耗正引发算力、协作与安全的系统性危机。传统 “堆算力、加参数” 的线性优化已触及天花板，我们该如何在 “输出质量” 与 “经济成本” 之间找到可持续的最优解？
规避文献幻觉，准确率提升13.2%！细粒度检索智能体 | ACL'26（在新窗口打开）
为解决科研中对单篇文献深度解析的需求，佐治亚大学团队提出IntrAgent，专注单篇内容，避免大模型幻觉。通过段落排序与迭代阅读机制，精准提取实验细节与元数据。
AI短剧的Harness模式，LuxReal跑通了。（在新窗口打开）
一直有在关注的一个 AI 短剧工具最近终于上线了，那就是群核科技的 LuxReal 短剧版。
老黄吹的Cosmos 3，在一个北大团队做的榜单上拿了第一（在新窗口打开）
刚刚过去的GTC Taipei上，最备受关注的，莫过于Cosmos 3。
RSS 2026｜蚂蚁灵波提出首个自回归因果世界模型，50条数据解锁通用机器人操控（在新窗口打开）
赋予机器人物理理解和预测能力是通用操作的关键。蚂蚁灵波等机构提出的 LingBot-VA 试图将视频帧预测与动作推理统一起来，让机器人通过自回归扩散框架学会“一边思考一边行动”。
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。