ECCV 2026｜自驾VLA Scaling有戏了，北航清华DriveTeach-VLA：用图像轨迹打通驾驶场景与基模预训练（在新窗口打开）
本文主要介绍来自该团队的最新论文 Teaching Vision-Language-Action Models What to See and Where to Look，目前该论文已经被 ECCV 2026 正式接收，相关代码和模型已全部开源。
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。
英伟达HBM告急！下一代GPU受限，这块硬盘却抢走风头（在新窗口打开）
功能型SSD在这条数据链中的合理角色，不是自行判断一段经历是否值得记住，而是在Runtime已经给出对象和策略后，靠近数据执行确定性工作。例如按租户选择密钥，按生命周期放置数据，压缩与去重可缩减的对象，维护索引页与元数据，优先完成即将被推理使用的回载，并把尾延迟、写放大和介质健康反馈给上层。语义决策留在Agent和Runtime，数据执行尽量靠近介质。
智源AREX自主研究智能体：从「盲目搜索」到「验证驱动」（在新窗口打开）
当大模型逐渐掌握对话、推理、编程和工具调用之后，自主研究被视为人工智能领域的「The Next Big Thing」。
现在写提示词，必须知道什么是Prompt Graph Engineering ｜最新（在新窗口打开）
继Loop Engineering、Graph Engineering等概念进入讨论之后，一篇2026年7月底发布的论文又提出了一个更贴近Prompt本身的工程概念：Prompt Graph Engineering，提示词图工程。
哈佛MIT造出「黑客帝国」！MatrAIx构建83亿智能体精确镜像全球真实人类（在新窗口打开）
1999年《黑客帝国》中科幻场景，刚刚成真了！哈佛+MIT博士领衔、OpenAI、Anthropic、Google DeepMind、xAI等40余人参与、共200多位顶尖科学家，发布MatrAIx，构建83亿个智能体，模拟全世界人类真实行为。
开源一个非常漂亮的运动数据分析、分享 Skills（在新窗口打开）
我做了一个骑行、跑步和徒步分析 Skill，叫 guizang-sports-skill（github.com/op7418/guizang-sports-skill）。
LSTM之父最新97页综述：Agent如何真正学会「自我进化」？（在新窗口打开）
过去两年，self-reflection、self-correction、self-play、agentic RL、skill learning、test-time adaptation、open-ended evolution、self-evolving agent等概念不断涌现。
不靠 CFG、DMD、GAN、Drifting 和MeanFlow，如何训练一步生成模型？（在新窗口打开）
只做一次生成器前向，就能得到一张图，这是一步生成追求的效率。但想把采样步数降到 1，难题其实在训练端：怎样用足够稳定、简单的监督信号，让生成分布靠近真实分布？
拓展JEPA至受控世界模型，清华团队揭示物理状态与动作转移的可辨识条件（在新窗口打开）
世界模型是物理原生智能（Physics-native Intelligence，Phi）重要的组成环节。
当题库追不上模型，AI开始给自己出题：中国这支团队跑通了数据层RSI（在新窗口打开）
由上海交大人工智能学院、深势科技、上海算法创新研究院组成的无尽前沿团队发布BigBang-V1——这是首个基于recursive self-improving原生方式训练出的基座模型。
贵57.1倍的Claude Opus 4.8五项全输，赢它的不是模型，是Harness（在新窗口打开）
2026 年 1 月，Floatboat 客户端把文件管理器、编辑器和浏览器直接做成 Agent 的运行环境，开创了 Agent 桌面工作台这一形态；4 月，FloatIM 把人与 Agent、Agent 与 Agent 接成一张办公网络，任务可以跨人、跨 Agent 交接而上下文不断；5 月，FloatSchedule 让 Agent 不必等人下指令，按日程自己开工。
开源Agent框架刷爆ARC-AGI-3，「自我改进」的RLM harness引争议（在新窗口打开）
这个框架名叫 Prime Agent，由 Prime Intellect 发布。官方对它的定义是：一个面向编程、研究和长时间自主任务的「自我改进 RLM harness」。RLM 是 MIT 博士生 Alex Zhang 等人去年 10 月发布的一项工作（参见《递归语言模型登场！MIT华人新作爆火，扩展模型上下文便宜又简单》）
让生成式模型「画」出空间智能，而非强迫LLM输出「坐标」! 浙大提出Agentic空间认知评估框架（在新窗口打开）
近日，浙江大学 OmniAI 团队在 《Show, Don’t Tell: Evaluating Spatial Cognition in Generative Pixels Rather Than LLM Text》 中提出 ProVisE，让图像生成模型直接在图中回答空间问题，并将视觉答案还原为原 benchmark 可以评分的结构化预测。
继何恺明团队ELF后，南京大学基于昇腾算力同步提出连续扩散语言模型（在新窗口打开）
近日来自南京大学模式识别实验室（PRLab）的梁嘉骏、廖宇程，在司晨阳教授的指导下，联合新加坡南洋理工大学、英国帝国理工学院，提出连续扩散语言模型 AURORA-LM（Autoencoding Unified Representation for Continuous-Latent Diffusion Language Modeling），对连续空间下的语言建模作出了更多的思考和发现。
openJiuwen发布业界首个企业级智能体分布式蜂群架构，联合邮储成功落地金融生产环境（在新窗口打开）
近日，由华为2012实验室、华为云、终端、计算等团队联合构建的openJiuwen开源AI Agent平台发布了企业级分布式蜂群架构，把JiuwenSwarm蜂群能力，扩展到企业级分布式集群。
600倍加速，720p视频实时生成！单卡也能带的动14B模型（在新窗口打开）
LightX2V团队面向Wan2.2-A14B推出LightWan2.2-A14B，以步数蒸馏、NVFP4量化感知训练和动态稀疏注意力压缩计算量，再用高效算子、细粒度卸载和多卡通信优化打通整条推理链路。
早于LeCun相似研究一年！千诀科技联合清华团队让神经网络「简单性」可测可优化（在新窗口打开）
千诀科技联合清华大学团队，为神经网络提出了一把新的 “复杂度标尺”。
何恺明参与！DeepMind把文生视频模型做成通用视觉基座，训练数据量仅1/500（在新窗口打开）
当下计算机视觉长期陷入“一任务一专用模型”内卷： 做深度估计要用DepthAnything，分割依赖SAM，人体姿态单独训练Sapiens，几何重建还得搭VGGT，各类网络骨干、解码器、损失函数完全割裂，研发与部署成本居高不下。
清华信誉机制破解电商大忽悠，让AI代理真正推你所需（在新窗口打开）
你有没有想过，有一天你买东西，不再需要打开购物软件挨个搜索，而是直接对你的AI助手说一句“我想买一把适合初学者的吉他”，它就能跑遍全网，把最好的几个选项摆在你面前，还附带理由？
AI能接管实验室了？中国科大最新研究给出真实物理世界的压力测试（在新窗口打开）
我们如何判断人工智能是否已经足够聪明，能够从事科学研究，实现端到端的自主科学发现？
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。