AI自己写代码做科研还跑赢了前沿算法？清华团队开源Alchemy框架（在新窗口打开）
AI 驱动的自动化科研正从概念走向真实系统。近期受到广泛关注的 FARS，以及 Karpathy 开源的 autoresearch，都在不同程度上展示了 AI Scientist 自动进行 AI 领域研究的可行性。
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。
CVPR 2026 | 中科院、港中文等提出HiFi-Inpaint：无损还原物体细节，重塑Inpainting生成范式！（在新窗口打开）
在 AIGC 领域，基于参考图像的图像修复（Reference-based Inpainting）一直是一项备受关注的核心任务，它旨在利用参考图像引导修复过程，生成视觉一致的内容。这一技术在广告营销和电商领域有着巨大的应用潜力，例如让 AI 自动生成 “真人手持或穿戴商品” 的展示图。
精准识别「界门纲目科属种」！北大彭宇新团队用细粒度树先验提升泛化，破解生物类别分层识别难题（在新窗口打开）
一张蓝锥嘴雀的图片，你能认出它是“鸟”，但能认出它是“鸟纲-雀形目-唐纳雀科-锥嘴雀属-蓝锥嘴雀”吗？
浙大团队破解多模态模型「盲目自信」：先校准置信度，再分配算力丨CVPR'26（在新窗口打开）
多模态大模型，到底有多“嘴硬”？ 浙江大学联合阿里巴巴、香港城市大
扩散语言模型总是均匀发力，华为诺亚教它「抓重点」（在新窗口打开）
这两年，扩散语言模型（Diffusion LLM）一直是个很有讨论度的方向。
万字讲透OpenClaw🦞从"能用"到"真好用"的分水岭： Workspace 深度解析（在新窗口打开）
一边的人，每次跟 Agent 说话都像重新 onboarding：得再讲一遍背景、偏好和上下文。另一边的人，Agent 已经知道自己是谁、该怎么说话、用户讨厌什么，也记得上次积累下来的东西。这条分界线，叫 workspace。
CVPR 2026 | 从「单帧」到「分镜」：STAGE重新定义AI电影叙事（在新窗口打开）
目前，该论文已录用至 CVPR 2026，相关数据集和模型训练训练和推理代码将逐步开源：究其原因，一个好故事并非一堆漂亮镜头的简单拼接，而是一个有结构、有逻辑的叙事整体。
比现有框架快22倍，浙大开源EasySteer：高性能LLM Steering统一框架（在新窗口打开）
在此背景下，浙江大学研究团队提出了 EasySteer——一个基于 vLLM 构建的高性能、可扩展 LLM Steering 统一框架。该框架通过与 vLLM 推理引擎的深度集成，相比现有 Steering 框架实现了 10.8-22.3 倍的推理加速，同时提供更细粒度的干预控制，并为八大应用场景提供了预计算 Steering 向量与完整复现示例，方便研究者快速上手和对照复现。
从经历到知识：UIUC、清华PlugMem如何重构Agent记忆（在新窗口打开）
现在的AI agent往往把长交互历史直接存起来，但很难高效复用。最朴素的方法直接从「原始记忆」里检索，但常常把模型淹没在冗长、低价值的上下文里。PlugMem把经验转化为结构化、可复用的知识，并提出一个任务无关（task-agnostic）的统一记忆模块，在多种Agent基准上提升性能，同时消耗更少。
普林斯顿开源OpenClaw-RL：使用不中断还能自进化，对话就有「反向传播信号」太猛了！（在新窗口打开）
OpenClaw-RL的核心价值在于：它能让您的OpenClaw🦞仅仅通过与你日常对话产生的自然反馈（如你的纠正、补充说明或环境报错），就能在后台实时自动更新权重，变得越来越符合您的个性化偏好，并在实际任务中不再犯同样的错误。
狠人揭秘ClaudeCode、Cursor、OpenAI智能体工程技术：模型几乎无关紧要，而是构建正确的工程环境！Harness就是一切！（在新窗口打开）
2026年开年以来，Harness工程一词热度渐高，OpenAI在2月发布的一篇详细的内部实验报告标题中使用了此词，ThoughtWorks 首席科学家 Martin Fowler 在 X上也表示Harness工程是AI赋能软件开发的关键部分。
万字综述遥感AI智能体！六大应用场景全面爆发，地理空间智能从「眼睛」变「大脑」（在新窗口打开）
如今，一场由 AI 智能体驱动的变革正在发生。近日，来自香港科技大学、西北工业大学、清华大学等多家高校及研究机构的学者联合发布了遥感 AI 智能体领域系统综述。全文逾万字，首次为「遥感智能体」给出了严格定义，系统梳理了其架构、应用、数据集与未来方向。
ICLR 2026 | Shop-R1: 给AI补上「内心戏」，在RL博弈中复刻人类网购脑（在新窗口打开）
传统的 AI 购物助手更像是一个任务完成机器：接到指令，搜索，下单。他们或许能跑通流程，却完全无法理解用户为何在最后一刻因为一条关于 “夹耳朵” 的差评而放弃支付。简而言之，传统的电商 Agent 只是任务导向的（task-oriented），而不是模拟导向的（simulation-oriented）。为此，来自亚马逊（Amazon）的研究团队提出了名为 Shop-R1 的训练框架 。
搞不懂Skills？看看Claude Code内部工程师们是怎么玩的（在新窗口打开）
养了这么久龙虾，是时候开始构建自己的 Skills 了。这时候，一篇来自 Anthropic 团队的 Skills 秘籍在外网广为流传，为想要构建 Skills 的开发者和智能体用户提供了绝佳的参考资料。
CVPR 2026 | EmoStyle：情感也能“风格化”？深大VCC带你见证魔法！（在新窗口打开）
EmoStyle 由深圳大学可视计算研究中心黄惠教授课题组独立完成，第一作者为杨景媛助理教授，第二作者为研二硕士生柏梓桓。深圳大学可视计算研究中心（VCC）以计算机图形学、计算机视觉、人机交互、机器学习、具身智能、可视化和可视分析为学科基础，致力前沿探索与跨学科创新。
告别噪声初始化：NTU MARS Lab提出A2A新范式，实现机器人高性能单步动作生成（在新窗口打开）
在机器人领域，扩散策略（Diffusion Policy）已经成为了标准模仿学习策略和 VLA 动作生成范式，但其「从随机噪声中迭代解噪」的机制带来了不容忽视的推理延迟。如果机器人不再从随机高斯噪声开始「盲猜」，是否可以基于「刚刚做了什么」来预测「下一步做什么」呢？
生成视频总出物理bug？用VLM迁移+token级对齐，让燃烧在正确位置发生，碰撞遵循动量守恒丨CVPR 2026近满分接收（在新窗口打开）
当人们谈到“世界模型”（World Models）时，很多人会首先想到近年来迅速发展的生成式视频模型。
龙虾的应用商店挂牌了！北大开源MagicSkills，让Agent Skill可自由安装组合同步（在新窗口打开）
AI Agent世界的npm来了！ 最近，北京大学Narwhal-Lab的开源项目MagicSkills，通过把AI Agent所需的技能（Skill）统一管理、安装、组合和同步，实现了“写一次、到处用”的能力复用，让AI Agent世界终于有了类似npm的角色。 不过，MagicSkills不是管理JavaScript包，而是管理Agent所依赖的Skill： 把分散在不同项目里的Skill整理成一套可以安装、管理、组合、同步和调用的共享能力层。 当Agent的能力越来越多、复用需求越来越强时，Agent世界也开始需要一个类似npm这样的角色，去管理这些Skills。 这是怎么做到的？ 把a
华人学生立大功！新王Mamba-3直击Transformer死穴，推理效率碾压7倍（在新窗口打开）
Transformer不保？今天，CMU普林斯顿原班人马杀回，新一代开源架构Mamba-3震撼降临。15亿参数战力爆表，性能比Transformer飙升4%。
接入 MiniMax M2.7 后，我的 OpenClaw「超进化」了（在新窗口打开）
上周，除了 OpenClaw，AI 圈还有个词越来越火🔥。
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。