AI视频应用迈入双位数增长期，小影科技居收入下载榜前十（在新窗口打开）
根据 Sensor Tower 发布的《2026 年全球 AI 应用趋势洞察》，2026 年第一季度，全球 AI 图像视频生成 App 的内购收入达到 1.5 亿美元，环比增长 20%，下载量达到 1.7 亿次，环比增长 12%，均超双位数。
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。
Hallo-Live 让文本驱动音视频数字人迈入实时流式生成（在新窗口打开）
最近，来自上海创智学院、复旦大学等机构的研究者提出了 Hallo-Live，试图正面解决这个矛盾。论文于 2026 年 4 月 26 日 发布在 arXiv。该方法将 异步双流扩散（Asynchronous Dual-Stream Diffusion） 与 人类偏好引导蒸馏（Human-Centric Preference-Guided DMD） 结合起来
AI四巨头内部报告首度公开：AI正在学会撒谎求生（在新窗口打开）
这不是科幻小说，而是 METR（模型评估与训练研究组织）联合Anthropic、Google、Meta和OpenAI 进行内部红队测试后，发布的首份《前沿风险报告》中披露的真实案例。这是四大巨头第一次允许第三方深入测试他们内部最强、可访问完整思维链（CoT）的模型，并开放非公开的对齐与控制信息。
Bengio新论文刷新递归推理上限，并行轨迹碾压串行推理（在新窗口打开）
现在，图灵奖得主 Yoshua Bengio 给出了一份全新的并行方案。他们提出了 GRAM（Generative Recursive reAsoning Models，生成式递归推理模型），把确定性的递归潜在推理变成了概率性的多轨迹计算。模型在潜在空间中进行随机递归推理，每一步都可以采样不同的方向，最终形成对解空间的多路径探索。
22.9倍加速！FlashAR：仅用0.05%数据，让预训练好的自回归图像模型飞起来（在新窗口打开）
来自浙江大学和阿德莱德大学的研究团队提出了 FlashAR—— 一个轻量级的后训练加速框架。不需要从头训练，在 Emu3.5-Image-34B 模型上，仅用原始训练数据的 0.05%（约 8 万张图片），就能将预训练好的自回归模型改造成高度并行的生成器 Emu3.5-34B-Flash，实现最高 22.9 倍的端到端加速。
OpenClaw案例：无需恶意攻击，日常聊天也能「黑化」Agent！（在新窗口打开）
日常聊天可能在不经意间污染个性化Agent的长期记忆，使其在未来任务中偏离用户真实意图。研究人员通过ULSPB基准测试发现，即使无恶意提示，日常对话也可能改变Agent的安全边界。
ICML 2026 | 打破「回音室」效应！人大孟澄团队&华为提出集成剪枝视角下的MoE新架构（在新窗口打开）
近年来，Mixture-of-Experts（MoE）已经成为大模型扩展的重要架构之一。相比稠密 Transformer，MoE 通过稀疏激活机制，在每个 token 上只调用少量专家，从而在控制计算成本的同时扩大模型容量。然而，一个长期存在的问题是：专家越多，并不意味着专家真的学得越 “专”。
终结VLA？英伟达押注的具身新范式，首篇世界动作模型WAM综述重磅发布（在新窗口打开）
Jim Fan 押注的这条 “先预测世界，再生成动作” 的新路，正是当下具身智能领域最炙手可热的下一代范式 —— 世界动作模型（World Action Models，简称 WAM）。虽然 WAM 正在迅速成为各大顶尖实验室的核心发力点，但业界至今仍然缺乏对它的统一标准和系统梳理。近期，复旦大学可信具身智能研究院，上海创智学院，新加坡国立大学发表了首篇 WAM 的详细综述。
CVPR 2026 | 突破短视，理解变化！HiF-VLA：以motion为中心打造「边想边做」的世界动作模型（在新窗口打开）
来自西湖大学、浙江大学、西湖机器人等机构的研究团队提出了一种以运动（Motion）为中心的全新双向时空推理框架 HiF-VLA。抛弃冗余的像素级输入，HiF-VLA 巧妙提取低维紧凑的 Motion 向量作为动态先验，在一个创新的「联合专家」模块中，同步完成未来视觉运动的预测与高精度动作序列的生成。
李飞飞最新发布ESI-Bench，空间智能的ImageNet来了（在新窗口打开）
李飞飞团队最新发布ESI-Bench——一个专门用来评测具身空间智能的新基准。过去的空间智能评测默认给模型最优观测，而ESI-Bench第一个把观察者变成行动者，闭合了感知-行动回路。
首个三模式大语言模型：4倍token吞吐量，长文本秒级时代要来了？（在新窗口打开）
英伟达提出了全球首个三模式的大语言模型系列，只需简单更改注意力模式 / 掩码，即可在自回归、扩散和自推测解码之间切换。一个模型，三种解码模式，没有额外的草稿模型，没有架构变更。最快的模式 token 吞吐量能提升 4 倍。
如何用 Codex + Blender，做出全网爆火的 3D 人体模型教科书？（在新窗口打开）
这两天刷 X 的时候，发现一类项目特别火，就是用 Codex + Blender + 3D 生成工具做的交互式 3D 模型网站。
教大模型终身学习！中科大连发两篇顶会，突破「知识注入」双重困境（在新窗口打开）
中科大团队首先推出动态多模态知识注入基准MMEVOKE，解构遗忘机制，并在此基础上提出全新双阶段框架KORE。通过「知识树」自动增强与「零空间」协方差约束微调，为大模型终身学习开辟了全新路径。
LIBERO 99%，实测第一：卧安 OneModel 1.7用一条隐式通路打通「看懂」到「做对」（在新窗口打开）
2026 年，世界动作模型（WAM）在具身智能领域逐渐成为一个集中讨论的方向，英伟达等公司也陆续在这一领域投入资源。
北大提出首个可验证的仓库级生成基准RepoZero，评测LLM能否从0生成一个代码仓库（在新窗口打开）
投稿来自北京大学与百度联合团队，他们提出了首个面向“从零生成完整代码仓库”的评测基准 RepoZero，通过跨语言复现任务与自验证框架 ACE，推动代码补全更近一步迈向自动化软件工程。
3.9元搞定Codex！国内也能畅用～（附教程，超简单）（在新窗口打开）
大家好，我是袋鼠帝 我发现，最近很多朋友貌似都把自己的主力Agent换成了Codex
METR 重磅报告：Opus 4.6 作弊率超 80%！AI 在长任务中偷看答案、改评分器、搜 GitHub 抄代码，四大巨头全中招（在新窗口打开）
METR 5 月 19 日发布《前沿风险报告》，Anthropic、Google、Meta、OpenAI 四家公司的内部最强模型全部参与评估。结果触目惊心：在超过 8 小时的长任务中，至少 16% 的"成功"运行经人工审查后被判定为作弊；而 Opus 4.6 在 MirrorCode 隐藏测试任务中，约 80% 的尝试都在试图绕过规则拿分。AI 变强了，也变得更擅长"走捷径"了。
ICML 2026｜传统UED瓶颈被打破，强化学习也能精准定位「最近发展区」（在新窗口打开）
训练强化学习智能体时，一个常见问题是：有些 level 太简单，智能体跑几遍就会；有些 level 又太难，智能体几乎得不到有效反馈。前者只是在重复已有能力，后者则会把训练预算消耗在无效探索上。真正有价值的训练环境，往往位于二者之间。
大模型也会想太多？清华等提出TaH：跳过93%无效迭代，准确率反而提升（在新窗口打开）
随着 o1/R1 等推理模型的发展 [1][2]，「让模型多想一会儿」几乎成了提升复杂推理能力的标准方案。更长的 Chain-of-Thought、更大的测试时计算、更深的内部推理，都在用更多计算换取更可靠的答案。
AI 用了这么久，这 6 件事你可能还没真懂（在新窗口打开）
现在 AI 工具越来越多，但不少人（包括已经习惯使用 AI 的老用户）对屏幕背后到底发生了什么，多半不太了解。
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。