88岁算法祖师爷惊呆！Claude联手GPT攻破30年难题，14页论文0修改（在新窗口打开）
「哈密顿分解」难题，终于破解！88岁「算法祖师爷」高德纳再更论文，Claude 4.6+GPT-5.4联合破解了奇偶数情形。甚至，GPT-5.4直出一篇14页论文，引爆全网。
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。
龙虾成本狂降58%！清华人大面壁等最新开源“智能调度员”（在新窗口打开）
把Agent接入工作流，本该是件提效的乐事。
比全球最强推理引擎还快2倍，斯坦福、普林斯顿破解大模型「串行魔咒」（在新窗口打开）
在大语言模型推理领域，虽然「推测解码」（Speculative Decoding，SD）已成为加速生成的标准配置，但它依然存在一个致命弱点： drafting（草拟）和 verification（验证）之间必须串行进行。
ICLR 2026 | 中国联通提出扩散模型缓存框架MeanCache，刷新多模态生成模型推理加速新基准（在新窗口打开）
FLUX 、Qwen-Image 等多模态生成模型的推理速度一直是工业级多模态模型落地的痛点。传统的特征缓存（Feature Caching）方案在追求高倍率加速时，常因瞬时速度的剧烈波动导致轨迹漂移。
Claude Code 源码泄漏，全部细节与始末（在新窗口打开）
2026 年 3 月 31 日，安全研究员 Chaofan Shou 发现 Anthropic 的 Claude Code 全部源码通过 npm 包里的一个 source map 文件暴露在了公网上
神人拆解CC源码！源码里真正的高杠杆用法；ClaudeCode本质上是一个多Agent编排平台（在新窗口打开）
Claude Code 源码泄露为业界一下子打开了 Agent 进化的大门。
2倍提速！KV缓存压缩不只看重要性，上交大团队让模型推理「又快又稳」 | ICLR'26（在新窗口打开）
长上下文推理已经成了VLM/LLM的默认形态。
NVIDIA GTC上登顶的DeepResearch Bench，到底在评什么？（在新窗口打开）
3 月 16 日，在刚刚结束的 NVIDIA GTC 2026 大会上，黄仁勋在长达三小时的 Keynote 演讲中发布了 NVIDIA Agent Toolkit 和 AI-Q 开放智能体蓝图，将 AI Agent 定位为下一个重大前沿。
Last30Days：GitHub 一天狂涨 3000 星的「终局情报 Skill」，一文看懂如何配置（在新窗口打开）
前天，我刷 GitHub Trending 的时候，看到第一名是个叫Last 30 Days的项目。
唐杰高徒打造龙虾投资军团！量化私募全线Agent，开源狂揽39k星（在新窗口打开）
好家伙，投资版龙虾也来了。还是GitHub开源项目里最近高热高赞的那种。
你的「龙虾」还好用吗？人大林衍凯教授：OpenClaw就像早期Linux，真正的竞争才刚开始（在新窗口打开）
过去数月，AI 领域很难绕开一个名字 ——OpenClaw。这个项目在极短时间内获得了爆发式关注：数十万星标、惊人的 Token 消耗，以及几乎所有大厂的快速跟进。从表面上看，它像是又一个现象级 AI 产品；但如果进一步审视，一个更值得思考的问题随之浮现 ——OpenClaw 的出现，究竟意味着什么？它真的是一次技术突破，还是某种更深层变化的信号？
1毫秒级，最快的人体动作捕捉服！开源715万帧数据集| CVPR'26（在新窗口打开）
全球首个1毫秒级人体动作捕捉系统FlashCap，通过闪烁LED与事件相机结合，实现1000Hz超高帧率捕捉。无需昂贵设备或强光环境，低成本穿戴服即可精准捕捉极速动作。团队同步开源715万帧的FlashMotion数据集与多模态模型ResPose，显著提升运动分析精度，推动体育、VR与机器人领域迈向高动态智能新阶段。
2700GB高质量数据，训出空间智能SOTA，背后秘诀全栈开源（在新窗口打开）
什么在限制空间智能落地？ 从自动驾驶到具身智能，行业对此的共识是：数据。 因为数据不够，模型泛化能力就弱，只能靠硬件来凑。 这在机器人身上体现得尤为明显。机器人要感知空间，常用的硬件是RGB-D相机，它既能看懂RGB图像，又能感知深度，从而获取到三维立体信息，让机器人理解物理世界。 但问题是，机器人的这双眼并不靠谱，遇到镜子、电梯、玻璃门等透明物体或者反光表面，RGB-D相机就容易失效，导致机器人感知异常。 这些场景绕不开，躲不掉，都是机器人走进千家万户，一定会碰到的问题，必须要解决。但因为缺少数据底座，行业过去的解决方式一般是靠堆硬件，补短板，强化感知能力。 这种局面即将迎来改变。因为就在刚
直指具身智能核心瓶颈，千寻智能高阳团队提出 Point-VLA：首次以视觉定位实现语言指令精准执行（在新窗口打开）
设想这样一个场景：你打电话让同事去办公室某个地方拿东西，仅凭语言描述位置是多么困难。在办公室里，从一堆已经喝过的矿泉水瓶中，让对面同学递过来你之前喝过的那个，只用语言几乎无法准确描述——「左边第二个」？「有点旧的那个」？这时候，人们更倾向于用手指一下，或者拿出图片来指代。
Nicholas Carlini：当 AI 比所有人都更擅长找漏洞，安全行业还剩几个月？（在新窗口打开）
Anthropic 研究科学家 Nicholas Carlini 在 [un]prompted 2026 安全会议上用不到 25 分钟演示了一件事：语言模型现在可以自主找到并利用零日漏洞，目标包括 Linux 内核这种被人类安全专家审计了几十年的软件。
让大模型看懂「高亮标注」：在注意力计算前编辑Key向量，用频谱分解让模型「听你指挥」丨ICLR'26（在新窗口打开）
想让大模型重点关注提示词里的某句话可没那么容易。
300万对样本、200万对实拍：深度估计的数据荒，终于被打破（在新窗口打开）
做深度估计、深度补全的人，大概都有过这样一个瞬间。
搞懂“记忆”必看｜吃透Engram，坐等Deepseek新模型（在新窗口打开）
第一篇论文来自字节SEED团队， 打了一些基础； 《Over-Tokenized Transformer》。 论文标题看上去在讨论“过度分词”。 而重点必然是在第二篇上—— DeepSeek公司的学术成果Engram。 《Conditional Memory via Scalable Lookup》 也就是Engram模块所出处的论文。
全球OCR新王来自中国开源！GitHub狂揽73300+Star（在新窗口打开）
GitHub OCR项目之王刚刚历史性易主。
企微开源“养虾大杀器”！AI可接管消息、日程、文档，12个Skill一次放出（在新窗口打开）
Claude Code、Codex、QClaw、Work Buddy都能直接调用。
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。