AI时代，流量不再“跳动”，字节进入“中年危机”！（在新窗口打开）
字节跳动计划在今年将其在人工智能基础设施上的支出大幅提升惊人的25%。这意味着将投入2000亿元人民币，这可不是一个边缘性的微调，是一次由不断升级的存储芯片成本以及字节跳动想要主导AI领域的雄心共同推动的巨大升级。
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。
画数独、烧蜡烛都不翻车了？浙大&阿里让AI先三思再下笔｜ACL 2026（在新窗口打开）
当下视觉生成正陷入一个能力错位困境—— 扩散模型的像素画质已接近完美，但一遇到需要逻辑推理的生成任务就频频翻车。
ACL 2026 Main | 不只是调用地图API，Spatial-Agent让大模型生成可执行地理分析工作流（在新窗口打开）
大语言模型在地图、城市、交通等空间领域的应用越来越广泛。对于这些场景来说，问题往往不只是 “查一个地点” 或 “调用一次路线 API” 就能解决的，而是需要把用户的自然语言问题组织成一段可执行、可验证的地理分析流程。
怎么知道 Agent 真干完活了？（在新窗口打开）
判断 Agent 靠谱与否，核心指标只有一个：是不是真干完活了
VeRL-Omni：面向扩散和全模态生成模型的通用RL后训练框架（在新窗口打开）
VeRL-Omni 是一个面向多模态生成模型的通用 RL 后训练框架，由 VeRL-Omni 团队在 verl 与 vllm-omni 之上构建。覆盖扩散 transformer（Qwen-Image）、混合 AR-DiT（Qwen-Omni）、统一理解 + 生成（BAGEL、HunyuanImage-3.0）等架构。
AI音乐下半场：Mureka跨过生产可用门槛，让模型像作曲家一样思考，开发者又可以有哪些新可能？（在新窗口打开）
前几天大模型圈子有个很魔幻的场面，傅盛、孙宇晨、特朗普家族，三个八竿子打不着的人，开始扎堆做大模型中转站的生意。
告别多奖励跷跷板：Flow-OPD将多教师OPD带入图像生成（在新窗口打开）
今年以来，在线策略蒸馏 OPD（On-Policy Distillation）已经逐渐成为大厂 LLM 后训练中的重要组件，例如 DeepSeek-V4，GLM5 就使用了多教师 OPD 来整合不同领域专家模型的能力，相比混合奖励强化学习收敛更快、效果更好。
DeepSeek V4还能更省！新工具缓存命中率高达99.82%，2折稳定到手（在新窗口打开）
我悟了，DeepSeek V4系列发布1个月，价格屠夫的本色这才刚刚发力啊！
Claude「永久大脑」，真的来了！（在新窗口打开）
刚刚，Claude「双记忆系统」首次爆出！全新「文件记忆」让AI一边聊天，一边自动做笔记。还有杀手级Conway Agent浮出水面，7x24小时永不下线。
Claude 通过率不到 4%，SaaS-Bench 撕碎了 Computer-Use 的「全自动办公」幻想（在新窗口打开）
想象一个真实的工作日：项目经理要更新项目状态，财务人员要整理客户账单，医疗管理员要核对预约和保险信息。
挖到个巨省Token的开源Agent，还能以复利的方式变现（企业、开发者必看）！（在新窗口打开）
大家好，我是袋鼠帝。 不知道大家有没有发现，随着AI的发展，token这个东西居然还变得越来越贵了。
从「说错话」到「干错事」：复旦、CityUHK、SMU、UIUC等13家机构联合发布「具身智能安全」综述（在新窗口打开）
具身智能（Embodied AI）正在快速从实验室走向真实世界。
把大模型，压缩到 200MB 内存：面壁智能的新模型，手表也够跑（在新窗口打开）
刚刚的，面壁智能联合 OpenBMB 搞了个端侧开源周。今天作为开源周的第一天，端出来的是个好东西 BitCPM-CANN，模型权重只需要约 200 MB 的内存，手表也够跑
教你如何配置出最强性能的Claude Code（在新窗口打开）
Claude Code 的 settings.json 里有 125 个配置键。官方文档只讲了大约 40 个。
AI首次独自跑完芯片设计！219词进7nm图纸出，工程师全程没碰键盘（在新窗口打开）
219个词喂给AI，12小时后，一份7nm芯片版图出来了，工程师全程没碰键盘。这条芯片行业几十年没有AI走完过的路，第一次走通了。
AI Agent 距离真正替人「全自动办公」，还有多远？（在新窗口打开）
近日，Meta 曝光的一段内部录音显示： 公司为了训练大模型，正通过监控工具监视员工在电脑上的鼠标和键盘操作。
还在手写CUDA内核？CODA来了！LLM和新手也能让Transformer跑出光速（在新窗口打开）
5 月 22 日，Tri Dao 在社交媒体上转发了 Han Guo 的一条推文。他还写道：「经过一些数学重写，结果发现 Transformer 的所有内容都是一系列 GEMM + epilogue（矩阵乘法加尾声）。给定一些优化的原语，LLM（以及新手）就可以为所有 Transformer 操作编写光速内核！」
ICML 2026｜首个视觉语言模型并行思考框架，一文解析内在机制（在新窗口打开）
当前，测试时扩展范式普遍致力于增加推理长度。然而，已有研究表明，随着推理长度的持续增长，以垂直扩展为核心的计算范式容易陷入探索僵化等问题。因此，从另一维度拓展推理的宽度显得尤为重要。K2.5、Step3-VL 和 LongCat-Flash-Thinking 等模型已在推理宽度方面开展了有益的探索。
RSS 2026｜机器人别等失败了才补救，AgentChord让恢复动作提前写进任务图（在新窗口打开）
机器人操作正在从结构化工业场景走向更开放的真实环境。相比完成单个预设动作，真实任务往往包含更长的执行链条、更复杂的物体交互，以及更多不可控的外部扰动。一次抓取没有完全夹稳、目标物体被轻微碰偏、双臂交接时姿态出现偏差，都可能让后续步骤偏离原本计划。
研究预测 2025 年中期 35% 新网站内容将由 AI 生成（在新窗口打开）
上个月，斯坦福大学、伦敦帝国理工学院和互联网档案馆（Internet Archive）联合发表了一篇论文。他们干了一件以前没人干过的事——结论是：到 2025 年年中，全球 35.3% 的新发布网页是 AI 生成或 AI 辅助的。
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。