登顶HuggingFace日榜！英伟达清华团队γ-World：把世界模型从单机打到联机（在新窗口打开）
5 月下旬，NVIDIA 联合清华大学、多伦多大学和 Vector Institute 发布 Gamma-World，共一第一为清华大学电子系博士刘芳甫，核心 Research 方向是世界模型和空间智能。
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。
DiffusionOPD：复旦联合通义万相提出扩散模型「在线策略蒸馏」新范式，让学⽣模型同时学会构图、⽂字与美学（在新窗口打开）
近期，来自复旦大学与阿里巴巴通义万相的研究团队对此提出了新的思考。他们认为，多任务强化学习不应被视为一个统一优化问题，而应该解耦为两个彼此独立的过程：单任务的在线策略探索 & 多任务能力整合。
数据比模型更值钱，国内最大的「端侧」训练数据开源了！600B 预训练+千万级 SFT 核心数据配方公开（在新窗口打开）
我去搜了下 MiniCPM5-1B 的数据，发现面壁智能刚刚把背后的核心数据集给开源了。一共是两份 L3 级数据集：Ultra-FineWeb-L3 ：600B tokens，中英文都有，是目前最大的中文开源合成预训练数据集。
「马嘉祺」让大模型翻车，而他一年前洗澡时就发现了问题（在新窗口打开）
一家名为脸谱心智（FaceMind）的初创公司就在顶级学术会议 EMNLP 主会上系统性地揭示了这个问题，并给出了解法。更有意思的是，就在「马嘉祺」事件前不到两周，全球最强 AI 公司之一 Anthropic 也在自家产品中悄悄落地了一次高度相关的改造 —— 方向与脸谱心智一年前的论文几乎完全一致。
让机器人动作流畅丝滑如「连音」，千寻智能高阳团队提出Legato，入选RSS 2026（在新窗口打开）
近日，千寻智能高阳团队的研究成果 《Learning Native Continuation for Action Chunking Flow Policies》 被机器人顶会 RSS 2026 接收！这项工作从训练机制出发，让机器人动作天然具有连续性，实现了 "连音" 般的流畅执行，在五个真实世界操作任务上超越了现有方法，为具身智能领域的动作生成研究提供了新的思路。
从0到1带你速通Codex，我整理的终极保姆教程来了。（在新窗口打开）
最近Codex的热度，真的感觉直线飙升。
玻璃里跑AI！华中科大&上交大科研成果登Nature子刊（在新窗口打开）
光正在进入AI算力系统，但这次不只是拿来传数据，而是直接参与计算。
GUI Agent轨迹获取新范式：有限状态机合成无限轨迹数据，平均每条轨迹成本低至0.04美元（在新窗口打开）
训练一个真正会用网页的GUI Agent，最自然的思路通常是： 去真实网站上操作，收集轨迹，再拿来训练。
国产超算生成式压缩模型训练性能突破2.16 EFLOP/s，支撑全球遥感数据万倍级压缩（在新窗口打开）
随着全球遥感卫星持续运行，地球观测数据正在快速增长。多源、多时相、多光谱遥感影像为国土监测、生态评估、灾害预警、气候变化研究等任务提供了重要数据基础，但也带来了显著的存储、传输和计算压力。
LeCun新证明：世界是高斯的（在新窗口打开）
LeCun的LeJEPA到底有没有构建出世界模型？他本人最新发表的论文，解答了这个问题。
刚刚，DeepSeek陈德里与两个AI，合写了一篇论文（在新窗口打开）
「借助 CodeAgent，我终于可以重新捡起很多过去因为精力不足而搁置的事情了，写博客就是其中之一。这篇博客大概 1% 是我写的，99% 是 Agent 写的 😂」。
多变量神经缩放定律迈向大一统：Mila联手DeepMind提出UNSL（在新窗口打开）
过去的大模型 scaling law 通常回答的是：当模型参数量、数据量和训练计算量增加后，loss 会如何下降。
刚刚，国产预训练具身大模型开源了，让后训练不再是必选项！（在新窗口打开）
2026 年初，国内具身智能赛道掀起了一波开源潮，越来越多团队开始公开自己的视觉-语言-动作（VLA）模型、数据集与训练框架。与此同时，行业竞争也逐渐集中到 benchmark 成绩、任务成功率以及跨任务泛化能力上，尤其是在标准化或已训练任务中的表现。
大模型也需要睡觉！让AI打个盹，醒来更聪明（在新窗口打开）
7×24，AI也吃不消。 卡内基梅隆大学和马里兰大学发了篇论文，《Language Models Need Sleep》—— 大模型处理长上下文的时候，硬撑着不休息，真的会累傻。 这项研究的灵感源自人脑运作机制。 人睡觉的时候海马体会把白天的短期记忆一遍遍回放，巩固进皮层突触，变成长期知识。 研究团队认为模型也可以这样，设计了一个睡眠机制，让大模型上下文窗口快满的时候别硬撑了，打个盹把最近的上下文反复咀嚼几遍，压缩进长期权重，清空缓存，醒了再接着干。 测试发现，合理增加“睡眠”迭代轮次，能明显提升模型在深度推理类任务上的表现。 尤其是那些需要一步接一步推导的难题，越复杂，模型越需要多睡一会儿。
重塑人机对话理解范式，Google新数据集首次大规模捕捉用户「未言明的想法」（在新窗口打开）
当对话型 AI 服务于数十亿用户时，我们能否看见用户没说出口的那一层？JHU、MIT 和 Google Research 给出了新的解法。
GPT-5.5翻倍，Gemini涨3倍：这波涨价游戏还能玩多久？（在新窗口打开）
Epoch AI刚刚发布的《梯度更新》报告，做了一件简单粗暴的事：把全球所有Blackwell芯片能处理的Token数量算出来，再和实际需求一比。结论只有一个字——不够。
首次！DeepSeek-V4-Pro全参数后训练，被第三方在国产卡上跑通（在新窗口打开）
近期，深圳河套学院（SLAI）AI训练平台项目团队，联合哈尔滨工业大学（深圳）、深圳大数据研究院、华为GTS（全球技术服务）团队与深智城AI算力平台，仅用1个月，共同基于昇腾910C国产算力集群实现DeepSeek-V4-Pro全参数续训练/SFT稳定运行，完成长稳训练1500+步，训练MFU超30%，关键训练算子效率提升14%。
Speech LLM 的下一个突破口：你的语音大模型可以是个「带韵律的文本模型」（在新窗口打开）
相信大家都有过这样的体验：同一个系列的模型，使用文本交互的时候，模型就像开启了 “最强大脑”，数学代码等各种复杂推理任务样样精通，可是一旦将其改造成语音对话模型之后，性能就猛烈下降，严重 “降智”，经常会犯很多基本的逻辑错误。
全球首次单机降服万亿巨模DeepSeek-V4！RL后训练框架Orbit开源！（在新窗口打开）
从数学、代码、复杂推理，到多轮工具调用，大模型的很多能力的提升都离不开 RL 后训练。但当模型规模进入 MoE 万亿参数级别之后，RL 不再只是一个算法问题，同时更加是一个系统问题。
7B打败o3、GPT-5！医学AI智能体让模型学会“看哪里、怎么看”（在新窗口打开）
医学AI会写解释，但不代表它真的“看到”了关键证据。
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。