首创TTFA指标！港大团队开源FASTER，让VLA模型真正实现「即刻响应」（在新窗口打开）
具身智能正以前所未有的速度发展，VLA 模型展现出越来越强的动作和泛化能力。然而，当我们真正把 VLA 模型部署到物理世界时，一个核心挑战浮出水面：实时性。
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。
90% 的AI编程费用都白花了！技术大神直接砍掉80%账单！开发者：真正烧钱的不是模型，而是无效上下文（在新窗口打开）
“你花在 AI 编程上的费用，90% 都浪费在了没必要上传的上下文里！”
训练数据枯竭怎么办？首篇「数据价值密度」综述理清思路（在新窗口打开）
当训练数据枯竭、训练成本飙升，大语言模型（LLM）训练之路该何去何从？
突破三维感知瓶颈：魔芯科技发布VGGT系列成果，实现动态高保真重建并获新一轮融资（在新窗口打开）
在迈向通用人工智能（AGI）的过程中，世界模型被视为让机器理解物理规律、实现空间智能的关键。而高效、鲁棒和精准的三维感知能力，被广泛认为是世界模型的首要前提。通常来说，一个成熟的世界模型需要具备三大核心能力：对长时空序列的持续记忆、对复杂动力学的因果解耦、以及对高清物理细节的精细感知。
不是幻觉！Claude自下指令甩锅人类，百万上下文沦为降智重灾区（在新窗口打开）
Claude深陷「角色混淆」Bug，分不清自己的话与用户指令，长上下文成了降智「重灾区」。
0成本升级，快手OneSearch-V2全量上线，生成式搜索进入「懂你」时代（在新窗口打开）
针对生成式检索范式在电商搜索场景下面临的复杂查询理解不足、用户潜在意图挖掘乏力、奖励系统易过拟合历史窄偏好等落地瓶颈，快手技术团队在已规模化部署的工业级生成式搜索框架 OneSearch 基础上，发布了一篇系统性升级的研究论文，正式推出新一代框架 OneSearch-V2。
ACL 2026｜打破推理同质化！阿里达摩院新作让RLVR从重复采样走向有效探索（在新窗口打开）
I²B-LPO 是一个面向 RLVR 后训练的探索增强框架，通过改进 rollout 策略引导模型生成更多样化的推理轨迹，将探索行为从 “重复采样” 推进到 “在关键节点生成更具区分度的推理轨迹”，在多个数学基准上同时提升准确率与语义多样性，最高分别达 5.3% 和 7.4%。该工作接收于 ACL 2026 Main，来自阿里达摩院 - 智能决策团队。
当你还在训练大模型，他们已经教AI“画”出了App（在新窗口打开）
一篇让你看懂的AGenUI开源解读 很多人对AI Agent的想象还停留在“聊天”上。你丢一个问题过去，它回你一段文字，顶多加一张图。 但真正用过这类产品的朋友应该都懂——纯文本的交互天花板太低了。你想订个酒店，它给你敲了一长串候选清单，你还要手动复制店名跳到另一个App去搜。 这不叫智能，这叫换了个地方查资料。 但有没有一种可能：AI直接“画”出一个带按钮、带列表、带地图的界面，让你直接在对话里完成所有操作？ 高德和阿里千问C端应用团队刚刚开源的 AGenUI，就是在回答这个问题。 一次“跨界联名”，捅破了一层窗户纸 上周，AI圈被一个名字刷了屏——AGenUI。简单说，它是业内首个同时覆盖
微软Terminus-4B之后，Agent可能会进入「专用小模型Sub Agent」时代（在新窗口打开）
您有没有想过：在代码Agent里，执行终端命令、跑测试、读报错、总结日志这种任务，用Claude Opus、Claude Sonnet、GPT-5.3-Codex这类昂贵Token的大模型来执行，是不是有点浪费？一定要这么做吗？
蚂蚁灵波开源LingBot-VLA后训练代码！150条示教数据即可适配新机器人（在新窗口打开）
就在刚刚，蚂蚁集团旗下具身智能公司灵波科技传出新动作—— 全面开源其具身基座模型LingBot-VLA的真机后训练工具链。
Codex+hyperframe做视频，让剪辑师们慌了?（在新窗口打开）
这两天打开X，发现一个开源项目刷屏了——Hyperframes。GitHub上两天干了17.4k star，1.6k fork，Codex、Cursor、Claude Code的插件全线覆盖。
挑战扩散自回归统治！字节提出视觉生成第三种路线，让模型像人类一样边画边改（在新窗口打开）
ber！这个五一假期，我也是真够忙的： 自拍、电影、追剧、街头采访、听音乐会，还抽空回老家结了次婚……
名师一定出高徒？清华团队最新揭秘：别再迷信大模型蒸馏的「免费午餐」（在新窗口打开）
当下的大模型后训练（Post-training）pipeline 中，On-Policy Distillation（OPD）已经成为了明星技术。从 Qwen3、MiMo 到 GLM-5，业界纷纷采用 OPD 并报告了巨大的性能提升。相比于强化学习（RL）稀疏的结果奖励，OPD 提供了密集的 Token 级别监督信号，看起来就像是一顿「免费的午餐」。
ICML 2026 | 将多教师冲突转化为动态约束，破解多模态大模型推理对齐难题（在新窗口打开）
在多模态大模型（MLLM）快速发展的浪潮中，融合多模型 “集体智慧” 已成为提升模型性能的关键路径，并催生了多教师知识蒸馏这一主流范式。然而，不同来源的教师模型在架构与优化上的差异，其在相似推理过程中呈现出不稳定甚至偏移的认知轨迹，即 “概念漂移”（Concept Drift）。
清华系团队出手！一张 4090 即可「爆改」，1.3B小钢炮震撼开源（在新窗口打开）
端侧多模态，卷出新天花板。仅1.3B，性能反超，效率翻倍，一张4090就能「爆改」。刚刚，清华系团队面壁智能开源了新一代「小钢炮」MiniCPM-V 4.6，再次证明了在端侧AI领域，中国团队已然站在世界前沿。
Auto Research时代，47个没有标准答案的任务成了Agent能力必测榜（在新窗口打开）
如果把AI丢进一个没有标准答案的工程现场，它还能活下来吗？
VLA模型为何忽视语言？破解指令跟随幻觉，分布外场景泛化新突破（在新窗口打开）
当前VLA模型常依赖视觉线索而非语言指令，导致在新场景下表现不佳。论文提出LangForce方法，通过引入对数似然比损失，强化模型对语言的依赖，提升其在分布外环境中的泛化能力，并保留语言核心功能。
ICML 2026 Spotlight| 拒绝盲目猜token，阿里x浙大将投机解码带入弹性预算时代（在新窗口打开）
随着大模型参数规模持续扩大，推理成本已经成为生产级 LLM 服务的核心瓶颈。投机解码（Speculative Decoding, SD）通过「小模型 draft + 大模型 verify」的方式，将多个候选 token 放到一次目标模型前向中并行验证，从而缓解自回归解码的串行瓶颈。
CVPR 2026 Highlight｜让家电「在仿真中运转起来」，北大正式发布RealAppliance！（在新窗口打开）
家用电器是家庭服务机器人最难啃的一类任务对象。与桌面物体操作相比，家电操作不仅涉及按钮、旋钮、门体等多种异构部件，还受到模式切换、状态约束和程序逻辑的共同支配。真正完成一次家电任务，机器人往往既要「看得见」，也要「读得懂」，还要「按说明书做对」。
何恺明首个语言模型：105M参数，不走GPT自回归老路（在新窗口打开）
何恺明，也下场做语言模型了。 只不过，这次他带队做的不是大家熟悉的、像ChatGPT背后那套“预测下一个词元”（next token prediction）的自回归范式。 而是另一条过去几年在图像领域大火、如今正被越来越多人搬进文本生成的新路线：扩散语言模型（Diffusion Language Model，DLM）。 在最新的论文中，何恺明团队放出全新连续扩散语言模型：ELF：Embedded Language Flows。 与不少还停留在token层面做扩散的语言模型不同，ELF把整个生成过程都留在了连续的embedding空间里，直到最后一步，才重新离散化，将表示变回token。 靠着这
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。