肉眼看不出的幻觉？清华提出视觉源幻觉，仅用0.9%数据实现SOTA（在新窗口打开）
新智元报道 多模态大模型的物体幻觉，长期被归因于语言先验。 先看下面两组对话。 第一组，一张只有小狗的照片，问模型「图中有椅子吗」，它答「没有，图中是一只狗」，完全正确； 第二组，另一张照片，问「图中
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。
给视频模型建一座「全能训练场」：300项任务、可验证奖励，VBVR-Pro系统探索视觉推理（在新窗口打开）
NTU、CMU、Berkeley等高校联合推出VBVR-Pro视觉推理系统，构建300项任务与100项可验证打分器的训练评测平台，测试30余个多模态模型，并验证其打分器可直接作为强化学习奖励。
A社警告：AI催生GDP暴涨32%，美国白领却或被斩杀（在新窗口打开）
Anthropic联合MIT、斯坦福学者发布2030年三种经济情景推演，极端情景下美国GDP暴增32%但白领失业率飙至17.9%，资本攫取55%增长红利，万余名美国人调查预期偏向最严峻版本。
把「因果思维链」焊进世界模型，它凭什么登顶？（在新窗口打开）
Aether AI 发布 16B 参数因果世界模型 CausalWM，引入因果思维链将光流、深度与三维几何组织成 Motion→Geometry→Future 推理路径显式推演物理变化，在 TriWorldBench 以 66.04 分登顶并在 PAI-Bench 等基准取得领先。
荣登ECCV！全球首个可仿真的人–场景交互重建框架：大晓 HSImul3R 让人类视频变成机器人技能（在新窗口打开）
一段人坐上椅子的视频，对人类而言再普通不过。我们不仅能看见 “人坐了下来”，还天然理解椅子承受人体重量，人与椅面形成接触并最终稳定，这些重力、接触与作用关系共同构成真实世界中的物理交互。但对今天的三维重建系统而言，“看见动作” 与 “重建真实交互” 仍是两回事。一个视觉上准确坐在椅子上的人体，进入物理仿真后，椅子可能因结构缺失倒下，人体也可能与椅面严重穿模。视觉上成立，并不意味着物理交互上成立。
Claude有意识了？科学家首次挖出关键拼图，还能伸手改它的念头（在新窗口打开）
「会结网的动物有几条腿？」 8，Claude回答。 从提问到回答，它一次也没有提到「蜘蛛」。但研究者发现，在它算到一半的时候，这个词的确在它的脑子里闪了一下。 于是，研究者们做了一件有点魔幻的事情： 把手「伸进」Claude的神经网络，将那个正亮着的「蜘蛛」抠掉，原位塞进一个同等强度的「蚂蚁」，其他任何参数都没动。 结果，Claude的答案变了：6。 研究人员没有动提示词，也没有动思维链，而是第一次直接篡改了AI在说出口之前的那个「念头」或者所谓的意识。 7月6日，Anthropic公开了这篇轰动学界的论文：他们在Claude体内找到了一小撮特殊的内部表征，起名叫J-space。 让Claud
Octop 1.0 版正式发布：每个人都能拥有专属AI协作团队（在新窗口打开）
经过 Octop 团队与社区开发者一段时间的共同推进，在一次次测试、打磨与优化之后，我们正式推出 Octop 1.0 GA版本（General Availability，正式发布版），并同步上线腾讯云轻量应用服务器（Lighthouse）与云服务器（CVM）官方应用镜像——购买即用的自托管 AI 助手，现在触手可及。
拿下开源生图第一，千问Qwen-Image-2.1把生图卷出新高度（在新窗口打开）
AI 写代码的能力经常能让开发者「双手离开键盘」，但对于设计师而言，AI 生成的图片距离能交稿总是差了好几步。
开源模型夯爆了！ZDTaichu5.0-9B，10B以内空间具身智能卷出通用类第一（在新窗口打开）
紫东太初开源的这个通用多模态大模型 ZDTaichu5.0-9B，简直夯爆了！
流式推理优化，让机器人决策延迟低至0.68秒（在新窗口打开）
SimpleMemVLA由面壁智能联合华中科技大学等机构提出，将带时间戳的原生视觉历史直接作为机器人记忆上下文，在四项记忆基准取得SOTA并涌现视觉上下文学习能力，同时通过流式推理优化将60秒历史决策延迟从1.02秒降至0.68秒。
EMNLP 2026主会｜北大×易鑫AI Lab：大模型明明「知道」，为什么还会答错？（在新窗口打开）
北京大学与易鑫AI Lab合作论文被EMNLP 2026主会接收，提出大模型"读出瓶颈"（Readout Bottleneck）概念，指出模型隐藏状态已编码正确答案却被输出层偏置掩盖，仅用2个无标签参数修正即可在多项推理任务上将准确率从33.3%盲猜水平大幅恢复。
大模型Scaling撞上成本墙：三星提出TrOPD新方法，把前沿智能塞进数亿终端（在新窗口打开）
三星大模型团队联合牛津大学、北京大学提出TrOPD方法，通过信任域机制让端侧模型更稳定高效地继承大模型推理能力，在数学、代码、指令遵循、STEM基准上全面超越现有OPD方法，为前沿智能以更低成本走向数亿终端提供新路径。
梯度分享 | a16z最新报告：模型成为基础能力，AI应用进入价值扩散阶段（在新窗口打开）
AI 正在从一项核心技术，逐渐变成商业软件背后的基础设施。当模型能力持续提升、AI 智能越来越标准化之后，企业真正需要竞争的空间也开始向应用层移动。 a16z 最新发布的一篇报告中，讨论的正是这一变化
你每月花钱养的办公Agent，最后成了谁的资产？（在新窗口打开）
文章指出当办公Agent深度介入工作后，用户面临工作方式主导权被平台锁定的风险，认为模型开源不等于Agent开源，Agent Runtime开源才是关键，并以DeepSeek发布的Harness和网易有道开源的LobsterAI（含OpenClaw）为例，说明开源Agent Runtime能为用户带来数据主权、可审计性、连续性和可定制性。
开源Editable-Design，让AI生图终于能改字、拖图层（在新窗口打开）
开源项目 Editable Design 结合视觉模型、HTML 代码与持续工作的 Agent，将 AI 生图重构为可编辑的设计文件，使文字可直接修改、图层可独立拖动，仓库展示了 14 组覆盖营销海报、信息设计等 6 类视觉任务的案例。
实时编辑、实时互动视频双旗舰，Vidu S2发布即体验（在新窗口打开）
AI 视频，正在变成一个可以边播、边演、边改的实时系统。
自进化社媒Agent！浙大x北大：从多模态任务编排到反馈驱动（在新窗口打开）
当大模型已经能够快速生成文案、图片和视频，一个更进一步的问题是：Agent 能否从执行过的任务中积累经验，并在持续交互中改进后续行为？
复杂的Harness Evolution，甚至不如多跑几遍（在新窗口打开）
论文标题：Rethinking the Evaluation of Harness Evolution for Agents论文链接：https://arxiv.org/abs/2607.12227代码：https://github.com/rethinking-harness-evolution 博客：https://yikee.github.io/harnessevolution/ 一个 Agent 第一次没把任务做对。 接下来，你有五份额外的推理预算，可以有很多种花法。 你可以让它把同一道题重新做几遍，从多个结果里挑最好的；可以把上一次失败的过程交给它，让它接着修；也可以做一件听起来更
换题还是第一！DM0.5横扫RoboColiseum四榜（在新窗口打开）
具身智能最近又多了一张榜单，而排在第一的，还是一个熟悉的名字：原力灵机 DM0.5。
逆天，Pixmax 把AI视频里的打斗动作终于攻克了（在新窗口打开）
Seedance 2.5 让我这个半吊子的AI视频创作者都能上瘾玩上一个多月，就不用再多余说表现有多强了吧。
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。