Agent终于长出了身体：Jiuwen Symbiosis背后的思考与实践（在新窗口打开）
如果你在三年前问AI圈：未来最强的AI长什么样？
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。
代码定位太慢？蚂蚁ACL2026新作：FuseSearch-4B让模型自己学会「该搜多少」（在新窗口打开）
新智元报道 【新智元导读】FuseSearch：学习型自适应并行执行 —— 一个40亿参数的模型，凭什么在代码定位上干过了商用闭源大模型？答案只有四个字：搜得更聪明。 在AI编程狂飙突进的今天，一个尴
把真实GitHub仓库转化为可执行终端轨迹！TerminalTraj入选ICML 2026（在新窗口打开）
被ICML 2026接收为Spotlight！
啥？Fable 5一出，Skill和Prompt都白学了？（在新窗口打开）
Workflow、Skill、SOP，可能真的要过时了。
HuggingFace CEO力荐，Bengio团队也押注：这个1500美元训出的HRM模型，凭什么火了？（在新窗口打开）
好家伙，这次不是模型圈自嗨。 一个训练成本约1500美元、参数量约1B、从零开始预训练的小模型，把HRM推到了下一代推理架构讨论的中心。 HuggingFace联合创始人兼CEO Clem Delangue亲自转发推荐。 图灵奖得主Yoshua Bengio作为共同作者参与的新论文，也走向了同一条latent recursive reasoning路线。 更反常的是，它不是蒸馏，不是微调，也不是在已有大模型能力上套壳。 它就是Sapient Intelligence发布的HRM-Text。 如果只看参数量，它很容易被写成一个熟悉的故事：“小模型又赢了。” 但HRM-Text真正值得注意的地方，
视频生成作为多模态推理新范式 | CVPR 2026（在新窗口打开）
被CVPR 2026收录！ 复旦邱锡鹏团队（OpenMOSS）首次提出Thinking with Video这一推理新范式： 借助视频生成模型，以视频帧为统一媒介进行多模态推理，打破视觉与文本的界限。 团队发现，Thinking with Text（基于文本的CoT推理）和Thinking with Images（在CoT中加上图像辅助推理）范式已大幅提升了LLMs和VLMs的推理能力。 但它们仍有局限：静态图像无法展现动态过程，文本与视觉模态的割裂阻碍了统一理解与生成。 而借助新范式Thinking with Video，视频生成模型在视觉任务上不仅总体媲美SOTA VLMs，而且竟也能解决
登Nature子刊！清华团队提出全球气候模态统一预测模型UniCM（在新窗口打开）
全球气候异常事件正在深刻影响农业生产、水资源调度、能源管理和防灾减灾。
0.6B VLM重塑AI修图推理流程，支持手机端侧部署，vivo+浙大出品（在新窗口打开）
如今手机拍照已成日常，后期修图是提升照片质感的关键。
看不清就乱答？多模态大模型的这个毛病终于有解了 | ICML 2026（在新窗口打开）
雨雪、雾霾、镜头噪点、压缩失真、夜间弱光……
图片越糊越危险？西湖大学发现多模态大模型「攻击舒适区」（在新窗口打开）
多模态大模型越来越会读图中文字，但最新研究显示，「读得出来」并不等于「防得住」。西湖大学 AGI Lab 的研究团队发现，当有害文本被渲染成低清、模糊或带噪图片后，模型在一个特定清晰度区间内反而更容易被越狱。
BudgetMem：给Runtime Agent Memory装上「预算路由器」，让记忆系统学会按需分配运行成本（在新窗口打开）
当 LLM Agent 处理长期对话、多轮交互和复杂文档时，Memory 已经成为不可或缺的核心模块。它帮助智能体保存历史、检索信息、维持个性化上下文，并支撑跨时间的推理能力。
CVPR 2026 | GaussianDWM：用3D高斯表示统一自动驾驶场景理解与多模态生成（在新窗口打开）
自动驾驶世界模型的研究目标已经从单纯预测未来视觉帧，扩展到构建可用于场景理解、空间定位和后续决策的世界表示。如果模型只能生成外观上合理的未来图像，却无法回答场景中有哪些目标、目标位于何处，以及不同视角下的空间结构如何变化，那么它仍然缺少对三维驾驶环境的显式建模能力。
华为SpaceMind登顶空间智能权威榜：纯RGB视觉语言模型拿下70.6分，刷新李飞飞榜单记录（在新窗口打开）
大模型已经能流畅对话、看图识物，但一个更底层的问题始终没被真正解决——它们是否「理解」了我们所处的三维世界？
KV Cache终于不用无脑全留了！百度&复旦用「投资回报率」重新分配缓存｜ICML 2026（在新窗口打开）
随着AI Coding、Agent、Deep Research 等应用快速普及，模型单次处理的上下文长度正在从几万Token迈向几十万甚至百万Token。
PEFT方法评测不能只看下游分：通用能力损失也该被量化（在新窗口打开）
近期，来自香港中文大学、西湖大学、德国马普所等机构的研究者提出了 PEFT-Arena —— 一个从稳定性‑可塑性权衡（stability–plasticity trade-off）视角重新审视 PEFT 方法的评测基准与分析框架。该工作已在 ICLR 2026 相关 workshop 上进行了展示，并开源了完整代码。
谷歌官宣3万字路线图：1亿人类水平的AI就是ASI！（在新窗口打开）
谷歌DeepMind宣布：AGI，已经过时了！就在最近，谷歌DeepMind出了一份干货满满的57页报告，标题只有四个词：《从AGI到ASI》。论文地址：https://arxiv.org/abs/2606.12683
“智能体最后的考试”，Fable 5竟然不敌GPT 5.5（在新窗口打开）
刚刚，UC伯克利放出了一场号称“智能体最后的考试”的全新基准测试。它把当今最强的AI Agent们拉到考场上，让它们干真正的活——在Siemens NX里建3D模型、在Unreal Engine里搭游戏场景、在Adobe After Effects里做特效合成。
争论几十年的水之谜，被AI一举破解！港城大&中石大成果登Nature Physics（在新窗口打开）
香港城市大学曾晓成教授与中国石油大学（华东）钟杰教授团队给出了终结级的分子水平证据，成果发表于《Nature Physics》。他们首创了一套无监督深度学习框架，不给AI任何预设条件，直接把海量水系统中7400多万个水分子结构扔给模型，让AI自己去悟。结果不仅直接证明常压水里确实存在两种「暗」组份，还把A/B水分子相互变身的「立交桥」路线图给完整画了出来。
Harness 之后，硅谷 AI 圈又来新词了：Loop Engineering（在新窗口打开）
硅谷 AI 圈又来了个新词：Loop Engineering。 大佬们纷纷表态，别再手动验证和写提示词了，该让 Agent 自己循环完成工作了。 OpenClaw 开发者 Peter Steinberger 带火了这个讨论，Claude Code 负责人 Boris Cherny 也说他已经不怎么在 Claude Code 里输入提示词了，而是去写 loops。
CVPR 2026 | 视觉脑机迈向双向交互！神经流模型 NeuroFlow 打通视觉与神经的双向通道（在新窗口打开）
来自上海人工智能实验室、香港大学、香港中文大学等机构的研究团队，提出首个基于统一神经流模型的视觉-神经双向建模框架NeuroFlow，相关成果入选 CVPR 2026。它首次将视觉编码（写脑）与解码（读脑）整合到同一可逆流结构中，打通视觉感知与神经活动之间的双向通路，为理解人类视觉认知机制、构建下一代通用视觉假体与双向脑机接口提供了全新范式。
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。