突破一亿Token极限：EverMind提出MSA架构，实现大模型高效端到端长时记忆（在新窗口打开）
人的智能能力主要由推理能力和长期记忆能力构成。近年来，大模型的推理能力一直处于快速发展过程，但大模型的长期记忆能力一直受限于上下文长度，无法取得突破。在历史上，曾经有多种路线进行尝试，但都无法突破扩展性（Scalability）、精度（Precision）和效率（Efficiency）的不可能三角。
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。
超越MLA！新架构MLRA百万token，解码最高2.8倍速 | ICLR'26（在新窗口打开）
MLRA通过拆分KV缓存为四个并行分支，显著降低显存占用并实现4路张量并行。推理速度比MLA最高快2.8倍，支持百万级上下文，且模型质量更优。无需牺牲性能，即可高效扩展长文本处理能力。
CVPR 2026 | 给扩散模型装上「物理引擎」: 北大彭宇新团队提出NS-Diff，使扩散模型学会流体与刚体力学（在新窗口打开）
本文是北京大学彭宇新教授团队在文本生成视频领域的最新研究成果，相关论文已被 CVPR 2026 接收。
ICLR 2026｜首个微观世界模型MicroVerse来了，AI开始模拟看不见的世界（在新窗口打开）
过去两年，世界模型（World Model）正在成为大模型演进的重要方向。
结构化扩展拿下Agent工具检索新SOTA，精准找到API｜ICLR'26（在新窗口打开）
在大模型时代，Tool-Use已经成为智能体能力的核心组成部分。
刚刚，MiniMax直接让龙虾学会自我进化，也认识「马嘉祺」了（在新窗口打开）
谁能料到，OpenClaw 的热度从年初延续到了今天。除了专业工程师，很多普通人也在 FOMO（错失恐惧）情绪驱动下，开始了对「养龙虾」的追捧。
工程知识引擎：Harness Engineering体系下的工程知识底座（在新窗口打开）
在AI编程智能体快速演进的今天，一个核心痛点愈发凸显：AI能写代码，却难以理解代码。更深层的问题是：即便模型能力再强，若缺乏结构化的工程约束与上下文支撑，智能体也难以稳定、可预期地完成真实工程任务。
第二代PPTAgent来了！中科院软件所开源首个本地通用幻灯片智能体，9B参数打平GPT-5（在新窗口打开）
天下苦 PPT 久矣。 体验过市面上各种 AI 生成 PPT 工具的人，往往都会遇到同样的痛点：排版崩坏、内容空洞、经不起推敲。 为什么会这样？因为目前的通用大语言模型（LLM）写 PPT，本质上是在对话框里 “盲写” 代码或文本。它们既没有真正的 “手” 去查阅权威文献，也没有真正的 “眼睛” 去审视自己排版出来的最终效果。 近日，中国科学院软件研究所中文信息处理实验室开源了第二代 PPTAgent -- DeepPresenter。这是业界首次将幻灯片智能体模型与完整的智能体沙箱环境一同开源，更能支持在单张 3090/MAC 上一键部署。它彻底重构了 AI 制作 PPT 的逻辑，让智能体不
当AI第一次读完整本基因之书，十亿参数单细胞大模型能干什么？（在新窗口打开）
十亿参数单细胞基础模型scLong不再只看少数高表达基因，而是把一个细胞里接近 2.8 万个基因 都纳入建模，并结合 Gene Ontology（GO） 的生物学知识，去理解更完整的基因上下文。
腾讯纯文本LLM训视觉encoder，拿捏图表长视频，达到开源小模型SOTA！（在新窗口打开）
打破多模态视觉+语言拼接套路！ 腾讯开源Penguin-VL，直接用纯文本LLM训视觉编码器。 这项研究跳出了先有传统视觉 backbone，再接语言模型的常规路径，直接从text-only LLM初始化vision encoder。 并在2B/8B紧凑参数规模下的文档理解、长视频时序定位等复杂任务中表现出极强竞争力。 从LLM出发的视觉编码器重构 如果把这两年的多模态模型拆开看，一个很有意思的现象是： 大家在语言模型上卷得很凶，但到了vision encoder这一层，路线却出奇一致。 很多VLM最后都会回到那套熟悉配方，先拿CLIP、SigLIP这类通过对比学习训出来的视觉模型做encod
大模型“想太多干太少”？国内AI团队祭出多个技术大招，破解成本困局（在新窗口打开）
告别Token老虎，给大模型来了个“减脂增肌”。
更全面的具身智能真机评测来了！CVPR 2026 ManipArena挑战赛邀你打榜（在新窗口打开）
过去一年，具身智能领域迎来了爆发式增长。从后空翻到托马斯回旋，从整理衣物到冲泡咖啡……各类令人惊艳的机器人演示视频层出不穷。
TPAMI 2026 | 仅用两个变量破解混杂因素：CIC实现动力学因果推断与混杂变量重构（在新窗口打开）
从观测时间序列数据中准确识别因果关系，是生命科学、地球科学、经济学以及人工智能等诸多领域的核心科学问题。尤其在复杂生物系统中，基因、蛋白质和代谢物之间高度耦合，并常常受到大量不可观测因素的干扰——这些「隐形混杂」无法被直接测量，却会严重误导因果推断结果，产生虚假的因果关联。
5B参数+4060Ti，10秒出图，全流程开源可复现！补齐统一多模态生成编辑的开源版图，让高质量图像生成真正变得更轻量、更普及（在新窗口打开）
统一多模态生成编辑模型，正在走向“重器化”
CVPR2026满分论文：Proxy-GS为结构化3D高斯溅射引入统一遮挡先验（在新窗口打开）
上海交通大学钟志航团队联合上海人工智能实验室、西北工业大学、四川大学等高校在 CVPR 2026 上提出Proxy-GS（Proxy-GS: Unified Occlusion Priors for Training and Inference in Structured 3D Gaussian Splatting），面向基于 MLP 的结构化 3D 高斯溅射（3DGS），
LaPha：你的Agent轨迹其实嵌入在一个Poincaré球？（在新窗口打开）
在经典强化学习问题中，动作空间通常是离散且有限的。例如在围棋中，一步棋就是一次行动；在机器人控制或视觉 - 语言 - 行动（VLA）模型中，动作往往来自一个有限的控制指令集合。
在「想象」中练就真机能力：RISE，让VLA强化学习告别真机试错（在新窗口打开）
在具身智能的发展路径中，视觉 - 语言 - 动作（VLA）模型正逐步成为通用操作任务的核心框架。但当任务进入长程规划、柔性物体操作、精细双臂协同、动态交互等复杂场景时，VLA 仍然面临两个根本性挑战：
打破视频推理「先看后想」惯性，实现真正的「边看边想」丨CVPR'26（在新窗口打开）
今天的大型视觉语言模型（VLM）做离线视频分析很强，但一到实时场景就尴尬： 视频在往前走，模型还在“补作业”。
如何让AI走向更高质量的共情？自然选择两项开源研究提供新路径（在新窗口打开）
现如今，大模型越来越擅长在单轮对话中生成温柔体贴、情绪价值拉满的文字，然而，我们或许会怀疑：在一句句「高情商回复」的背后，模型是否真正理解了什么是共情。
卡帕西点赞Transformer内置计算机！每秒3万Token吞吐，拿下世界最难数独（在新窗口打开）
LLM推理已经顶尖，精确计算却跟不上。这局怎么破？卡帕西点赞的解决方法来了，在大模型内部构建一台原生计算机。新方法不搞外包那一套（不依赖任何外部工具），直接在Transformer权重里内嵌可执行程序。
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。