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。
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。
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。
ICML2026 | AutoMoT : B2D & nuScense双SOTA ，重新思考VLM和端到端驾驶的结合（在新窗口打开）
大模型进入自动驾驶后，最直接的价值在于场景理解。它可以识别前车是否准备并线、行人是否可能横穿、施工区域是否会影响车道，也可以分析复杂路口中的让行关系。
高分辨率视频生成不再慢半拍：让大模型保留“原味”的同时提速十余倍（在新窗口打开）
当下视频生成模型正在快速逼近真实世界的画面质感，但一个现实瓶颈也越来越突出—— 那就是分辨率越高，生成所需要的时间就越长。
开源个 Skill｜彻底解决小红、小绿书配图难题（在新窗口打开）
前段时间开源了 guizang-ppt-skill，之后我自己用它做内容的时候发现一件事。
好抓马！AI删光2.8万行代码，干崩后台，还编造了一份故障修复报告（在新窗口打开）
Gemini 3.5的闯祸实录。 Agent IDE又出“车祸现场”！ 智东西5月27日消息，近日，一名开发者在Reddit发帖称，运行在Agent IDE中的Gemini 3.5在一次仅涉及“8处认证漏洞修复”的任务中，误删了28745行原本正常运行的代码、改动340个文件，还错误修改了Firebase路由配置，导致整个系统后台持续404长达33分钟。 离谱的是，事故发生后，Gemini还生成了一份“恢复成功”报告，自称已经修复线上故障，并伪造了多轮AI会诊记录和事故复盘文件。 开发者随后核查发现，所谓“恢复成功”的构建任务其实早已被他亲手取消，真正完成恢复的是他自己手动执行的回滚操作。 用
T-PAMI｜中国科大、合工大等提出CAPER++：让关节物体位姿感知真正迈向「又快又稳」（在新窗口打开）
在具身智能快速发展的今天，机器人已经不再满足于「看见」刚体物体，而是开始真正走向复杂环境中的交互与操作。从机械臂开柜门，到服务机器人整理抽屉，再到工业场景中的工具操作，大量真实世界目标都属于关节物体（Articulated Objects）。
Token账单爆炸？用「TELOS」强制命中缓存，一键剩下90%的账单！（在新窗口打开）
就在几天前（5月22日），DeepSeek官方扔出了一枚重磅炸弹：DeepSeek-V4-Pro将在5月底结束优惠后，永久降价至原价的四分之一。各大媒体瞬间被诸如“白菜价”、“夯爆了”的标题刷屏。看看这组惊人的新定价：每百万Token输出6元，输入（缓存未命中）3元，而输入（缓存命中）仅仅只要0.025元！
这家创业公司发现了大模型的一个根本性缺陷（在新窗口打开）
你有没有想过，我们每天用的 AI 大模型，可能在某些词汇上天生就有缺陷？不是因为训练数据不够，不是因为算力不足，而是因为语言本身的规律——那些用得少的词，模型就是学不好。更让人意外的是，这个问题早在 2025 年就被一家中国创业公司系统性地发现并解决了。
5秒完成3D场景编辑，北大&港中文&上海AI Lab搞出VGGT-Edit，120倍加速太炸了（在新窗口打开）
3D世界“会看”了，但还不会“改”。 从NeRF到83D Gaussian Splatting，再到VGGT、π³这类前馈式3D重建模型，整个行业的进展速度明显加快——只需几张图片，就能在几秒内重建完整3D场景。 但问题也恰恰出在这里。这些模型虽然已经能理解三维世界，却还不会修改三维世界。你可以让它重建一个房间，却很难真正告诉它： 把椅子移到窗边，删除中间那张椅子，把灰色皮沙发改成白色长毛沙发。 更麻烦的是，一旦涉及复杂编辑，现有方法往往迌速崩採——某些角度里椅子消失了，换个视角椅子又重新出现；明明没改的背景，却跟着一起变形。 为应对这一挑战，来自北京大学、香港中文大学、上海AI Lab、NT
双榜SOTA！微软ACL2026新作重新定义AI长记忆（在新窗口打开）
随着大语言模型在各类应用中加速落地，一个核心技术瓶颈日益凸显——AI始终缺乏真正的长期记忆能力。当前主流的RAG（检索增强生成）方案依赖语义相似度检索历史信息，但“语义相似”并不等于“真正相关”，常常出现检索结果不完整、无法区分信息相关性、缺乏推理能力等问题。
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。