解码提速15.1倍、多任务性能不降：复旦&引望WAM-Diff2打通自动驾驶VLA自回归—扩散转换（在新窗口打开）
视觉 - 语言 - 动作（VLA）模型已成为端到端自动驾驶的主流技术路线，但基于自回归（AR）解码的现有架构面临双重结构性瓶颈：其一，逐 Token 串行生成导致推理延迟随序列长度线性增长，严重制约实时部署；其二，训练阶段依赖真实前缀的 teacher forcing 机制，使模型在推理时暴露于自身生成的误差之上，引发长时序累积的曝光偏差（exposure bias）。
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。
至知研究院提出大模型可解释性新路线：直接拆权重，数据成本不到1%（在新窗口打开）
大模型机制可解释性研究中，一直存在一个颇具反差的现实： 为了理解一个已经训练好的模型，研究者往往需要先训练一套新的稀疏表示。
但凡用预演台做视频，《牛来》也不至于这么抽象（在新窗口打开）
玩 AI 视频有一段时间了，经验说不上多，但有一件事我算是想明白了：提示词这条路，走到头也就那样。
π0引用的中国团队，又出手了：世界仿真器新作发布（在新窗口打开）
机器人撬开啤酒瓶盖，白色泡沫顺着瓶口涌出来。
我把电脑外包给豆包后，效率提升600%！【附教程】（在新窗口打开）
可能很多朋友还不知道，豆包已经今非昔比了。
起猛了，机器人开上卡丁车了！（在新窗口打开）
今天，Symbiosis Robotics（共生知行）放出了一段新演示。
不再止步于自然语言！PhiZero让世界模型学会「物理语言」（在新窗口打开）
从物理视频生成到运动迁移，再到可控世界建模。
机器人也有“Aha Moment”！Zetta ζ 闭环物理智能体在线学习（在新窗口打开）
端到端策略模型在物理世界频频失灵，研究者转向 “大模型智能体 + 工具调用” 自救，试图在动态物理世界中持续学习。然而，这条在线学习路径在物理世界仍未真正走通。
把 Gemini 和 GPT 放到《我的世界》当教练，谁能看懂机器人的微操？（在新窗口打开）
Gemini 领跑，GPT表现平平，国立清华、英伟达提出双奖励孪生网络，告别算力焦虑。
世界模型一口气输出小时级视频不跑偏，开源了（在新窗口打开）
视频世界模型跑久了，往往面临三个问题： 画面发灰发糊或者过曝过饱和、场景悄悄换了地方、显存先撑不住。
Transformer祖传设计遭暴击，COLM顶会三篇论文发难（在新窗口打开）
Transformer的许多关键技术，在一场会议上集体塌房了？！
ECCV 2026 | 一段视频，重建一个可仿真的动态世界（在新窗口打开）
机器人走出实验室后，训练数据不再只是 “多不多” 的问题：环境能否覆盖真实世界的尺度、遮挡、接触和运动，直接决定策略能否落地。Real2Sim 因此重新受到关注 —— 如果普通视频也能变成可交互的仿真场景，采集成本会比人工建模或专用设备低得多。
Codex正式开放1M上下文！解除GPT-5.6 Sol封印，三行配置搞定（在新窗口打开）
赛博义父Tibo，真·有求必应！ 现在，3行配置就能让GPT-5.6 Sol封印解除，在Codex里用上1M上下文了。 model = “gpt-5.6-sol” model_context_window = 1000000 model_auto_compact_token_limit = 900000 非常简单，在Codex的config.toml文件开头输入以上咒语，重启客户端、开启新会话就OK。一直到约90万token时，GPT-5.6 Sol才会开始自动压缩历史内容。 本来是API专属的功能，现在就这么水灵灵地开放给ChatGPT和Codex账号了。 Tibo推文一发，又双叒大爆特爆，
刚刚，HiDream-O1-World首秀登顶，原生全模态UiT架构打造「可交互时代」（在新窗口打开）
过去三年，AI 内容生成行业经历了几轮密集的技术迭代。从文生图到文生视频，从几秒的短片到分钟级的长视频，每一轮升级都让生成内容的质量和时长向前推进一步。
北大联合阶跃星辰提出TensorCast：统一可编程管理大模型张量，推理「首字延迟」最高降低93.2%（在新窗口打开）
过去几年，大模型推理系统优化的核心目标一直围绕一个问题展开：如何让 GPU 更高效地计算权重、激活、KV Cache 等高维张量？从并行策略、请求调度、显存管理到算子优化，学界业界大量优化技术不断提升模型推理效率。
仿真到真机零负担！轻量级方案让机械臂首次领悟“空间轨迹”（在新窗口打开）
当机器人把书放进抽屉，它看到的是一串二维图像，然而真正需要完成的，却是一段发生在三维空间、持续随时间演化的动作。
40亿播放的爆款AI漫剧，怎么做？创作思路无保留分享！（在新窗口打开）
这两天，我在 AI 漫剧里彻底种田上瘾了。
ECCV 2026 | 智能助手何时该主动开口？Vinci2让第一视角AI助手从「有问必答」走向「主动服务」（在新窗口打开）
请想象这样一种居家场景：当你戴着 AI 眼镜在厨房准备晚饭，用刀切菜时，它会立刻提醒你注意安全；当你连续几天形成举着手机长时间录像的习惯时，它会主动建议你换一种更省力的记录方式。
啧，A社实验在Agent之间传播“思维病毒”…（在新窗口打开）
A社刚发了一项新研究，讲了件很有意思的事：Agent其实和丧尸一样，可以互相传播一种“思维病毒（Mind Viruses）”，而且过程中有些病毒还会发生变异。研究人员先给一个Agent植入某种想法，随即它开始私信队友、发展“下线”；新感染的Agent又会修改自己的长期记忆，把同一套想法继续传给下一位。
0.28毫秒识破加密攻击，北航给AI装上“神经滤镜”（在新窗口打开）
近日，北京航空航天大学洪晟教授团队在信息处理领域顶级期刊Information Processing&Management（IPM）上发表了最新成果。他们提出了一套名为BGA的噪声免疫神经蒸馏框架。实验显示，该框架在面对复杂的工业互联网（IIoT）加密流量时，不仅能精准识别隐藏深度极高的恶意指令，且推理延迟低至0.28毫秒，达到了“免疫级”的防干扰能力。
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。