CVPR2026 | 鬼手想点谁就点谁？LaSM让GUI智能体把注意力「收回来」（在新窗口打开）
如果把手机屏幕想象成一个舞台，GUI 智能体就是台下那个 “被授权动手” 的人：它能看懂屏幕上的按钮、输入框和弹窗，能按你的指令去点、去滑、去输入。
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。
给Claude Code一行指令，把《大明王朝1566》变成了一款沉浸式权谋游戏（在新窗口打开）
真赞叹啊，一行指令，而且，速度还贼快！ 书游时代，一本书，一行指令，一个游戏 24年把刘和平的《大明王朝1566》书，以及剧都看完了，那时候就在想—— 如果我能扮演嘉靖帝，在纱幔之后操控严嵩和徐阶的生死；如果我能扮演海瑞，买好棺材写下那封骂皇帝的奏疏；如果我能扮演戚继光，用鸳鸯阵在台州把倭寇杀得片甲不留—— 那该多过瘾。要是体验不同角色，上体视角，更改结局，那多爽。 此刻实现了，就用了一行给claude code的指令！ 这一行： “我想基于这个做一个沉浸式游戏，可以任意选角色，做出不同选择，大杀四方” 这是我唯一的输入。一行字，32个汉字，两个逗号。 一个完整的、可以玩的、有8个角色和7个章
北大团队改造DeepSeek注意力，速度快四倍还不丢精度（在新窗口打开）
就在大家都急头白脸地等待DeepSeek-V4的时候，冷不丁一篇新论文引起了网友们的注意—— 提出新稀疏注意力机制HISA（分层索引稀疏注意力），突破64K上下文的索引瓶颈，相比DeepSeek正在用的DSA（DeepSeek Sparse Attention）提速2-4倍。
让大模型多模态检索全面超越SOTA！ReCALL框架化解生成式与判别式的范式冲突｜CVPR'26（在新窗口打开）
生成式模型当检索器大材小用效果还不好？ 当多模态大模型（MLLM）凭借强大的图文理解与逻辑推理能力成为AI领域的核心抓手，将其应用于图像检索尤其是组合图像检索（CIR）任务，本应是降维打击的最优解。 然而现实却相悖：把生成式大模型强行改造为判别式检索器后，模型会出现严重的能力退化，连原本100%能精准解决的问题都频频出错，生成式与判别式的范式冲突，成为大模型向检索领域落地的核心壁垒。 如今，这一行业难题被AI国家队紫东太初团队联合新加坡国立大学成功攻克。其最新研究成果ReCALL框架，凭借独创的“诊断-生成-校准”闭环体系，从根本上解决了大模型从生成式到判别式的范式冲突问题，让大模型在保留原生
访谈｜Codex 团队如何用自己的产品构建产品——整个 Spec 只有 10 个要点（在新窗口打开）
OpenAI Codex 团队的产品规格文档只有 10 个要点。不是说每个功能的文档只有 10 个要点，而是整个产品的 spec 就这么多。设计师写的代码量超过了六个月前工程师写的。50 到 100 人的团队，直到最近才有了第二个产品经理。
斯坦福最新研究：睡一觉，AI 就知道你还能活多久（在新窗口打开）
通过一晚上的睡眠，AI 模型就能监控最多 130 种疾病。
跨越智能体落地的可信鸿沟：玄甲（AgentWard）全链路防御操作系统正式发布（在新窗口打开）
大模型技术正在经历一场从 “对话助手” 向 “自主智能体（Agent）” 的深刻演进。智能体不再局限于被动地理解与生成，而是具备了多步规划、工具调用、长期记忆与管理物理 / 数字世界的能力，正逐步深度嵌入企业侧的核心业务流程。这意味着，AI 的边界已从虚拟屏幕的对话框，正式延伸到了真实的生产系统中。
USC团队发布HumDex：攻克人形机器人数据瓶颈，低成本实现全身灵巧操控（在新窗口打开）
人形机器人全身灵巧操作是通向通用具身智能的核心目标之一。在这一愿景下，机器人不仅需要双臂与高自由度多指灵巧手的精细协调，还需要与全身位姿（如行走、弯腰）进行动态配合。
Karpathy强推，大厂抢着「复古」命令行，Star数全都上千了（在新窗口打开）
最近，飞书、钉钉、企业微信接连推出 CLI，智能体生态战役再次打响。
首个用户生活「长程模拟器」来了！LifeSim 重新定义大模型个性化评测（在新窗口打开）
来自复旦大学、上海创智学院的研究人员提出 LifeSim，一个面向个性化助手评测的长程用户生活模拟框架。LifeSim 同时建模用户内部认知过程与外部物理环境，生成连贯的生活轨迹、事件序列与多轮交互行为；在此基础上，研究团队进一步构建了 LifeSim-Eval，用于系统评测模型在长期个性化交互中的能力边界。
彻底改写！BVP权威报告：AI制药每年高达1000亿美元市场，5大产业链将被颠覆！（在新窗口打开）
近日，Bessemer Venture Partners发布AI+生命科学路线图，分析今年AI医药的发展趋势。 该报告的核心观点是：AI正在彻底改变制药和生命科学行业，每年能创造超1000亿美元新价值，但目前只有5%的企业真正用起来。
快手广告系统全面迈入生成式推荐时代！GR4AD：从Token到Revenue的全链路重构（在新窗口打开）
快手的这篇论文，正是对这一问题交出的一份沉甸甸的工业级答卷。他们提出了 GR4AD（Generative Recommendation for ADvertising），一个横跨表征、学习、服务三大层面协同设计的生成式广告推荐系统，并已全量部署于快手广告平台，服务超过 4 亿用户。
跨物体融合新突破！从拼贴到创造：AI学会「生」出新物体（在新窗口打开）
AI不再只是把两个物体「放一起」，而是真正造出一个新实体。VMDiff模型通过分阶段策略：先拼接保留信息，再插值融合成整体，并自动调节平衡，让生成结果既像两者，又自然统一。 过去，很多图像生成模型都能同时画出两个物体；但要让它们真正「长成一个新物体」，其实远没有那么简单。
英伟达给机器人装上龙虾大脑！具身智能的Harness来了（在新窗口打开）
Harness（驾驭）的风，终究还是从大模型，吹到了机器人！
一键白标 Claude Code：自定义命令 + 启动画面 + 配置隔离，Skill可自取（在新窗口打开）
这两天，我被一张图反复种草。 就是终端里一打开，先蹦出一段很酷的 ASCII 动画——名字不是 Claude code，是你自己的品牌名、你自己的启动方式、你自己的欢迎语。 对啊，最近好多人都在玩 DIY Claude code，从源码开始一点点改，但我估计那要浪费不少词元，能不能做一个快速 DIY skill，给大家省点 token？ 先说结果，我做出来了。上效果图： 为什么要自己搭一个？ 官方 Claude Code 不是挺好用吗，为什么要折腾 DIY？ 其实有一些实际场景：比如我想接 DeepSeek 或其他国产模型，但官方支持度不够；想给团队统一配一个内部版，不想每个人都走官方认证；或
斯坦福MIT联合发布Meta-Harness，Agent端到端自己优化自己，Dspy一作Omar参与研究（在新窗口打开）
去年讨论Agent落地时，重点往往是Context Engineering。大家都在琢磨怎么放 Few-shot，怎么优化 RAG 检索的文本片段。但随着 Agent 任务复杂度的上升，控制数据流向、工具调度和异常处理的底层脚手架代码，往往比单纯拼接文本对系统性能的影响更大。
Claude Code 源码震撼泄露，一起学习下最前沿的 Harness 工程（在新窗口打开）
3 月 31 日下午，技术圈炸了锅： Claude Code，这款被公认为当前最强的 AI 编程助手，因为一次内部失误，核心代码逻辑暴露在了全球开发者面前。
重构跨域RL框架！理论驱动「双重对齐」让跨域迁移「质变」（在新窗口打开）
在现实世界中通过强化学习训练智能体，往往需要大量在线试错与环境探索，这不仅成本高昂，还可能带来显著安全风险：机器人可能因试错而损坏，自动驾驶的在线探索可能危及行车安全，而持续采集交互数据本身也代价巨大。
中国最强编程模型来了！ 阿里Qwen3.6-Plus性能直逼Claude，国产大模型杀入决赛圈（在新窗口打开）
什么这code那code，先别code了，因为—— 中国最强编程模型来了！
别再用黑盒预测了！即插即用模块通过前置分解让iTransformer/PatchTST既准又可解释（在新窗口打开）
在时间序列预测领域，深度模型如iTransformer、PatchTST虽然性能强劲，却长期困于“黑盒”困境——预测准，但说不出为什么。
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。