UniPat AI开源SWE-Vision：五百行代码打造SOTA视觉智能体！（在新窗口打开）
多模态大模型在代码能力上进步惊人，但在基础视觉任务上却频繁失误。UniPat AI 构建了一个极简的视觉智能体框架 ——SWE-Vision，让模型可以编写并执行 Python 代码来处理和验证自己的视觉判断。在五个主流视觉基准测试中，SWE-Vision 均达到了当前最优水平。
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。
不会拍照有招了！北大彭宇新团队开源首个美学指导大模型Venus，帮你拍好照｜CVPR 2026（在新窗口打开）
你随手拍下一张照片，AI也许只会夸“真好看”，却说不出一句真正有用的建议。
别怪你的OpenClaw像个乱挥锤子的外行，面对20万个Skills，它缺的是AgentSkillOS（在新窗口打开）
自2025年10月Claude正式确立Agent Skills规范以来 ，Agent能力的边界正在被暴涨的脚本仓库迅速拓宽。截至2026年2月末，公开可用的Skills数量已突破28万大关 。回顾过去半年，Skills开发的火力几乎全集中在了“供给侧”，而且绝大多数由分散的第三方开发者维护。
AI下半场的战场，从Agent记忆体正式打响（在新窗口打开）
最近，一个叫OpenClaw(小龙虾)的开源项目突然爆火，甚至出现线下排队安装的场面。很多人第一次直观地看到，AI不只是chatbot，而是可以真正“动手”操作电脑、完成复杂任务和个性化工作流的智能体。这意味着AI正在进入下半场，开始走向真实应用，并逐渐进入普通人的日常生活。
养虾实战教程：我用OpenClaw做了个能盯盘，也能深度复盘的投资agent（在新窗口打开）
先提前预告下，这个项目解决不了不赚钱的问题，但能帮助减少冲动交易，解决信息搜集、分析效率低问题。当然，也有同事吐槽，这是个韭菜RL，大家有选择地参考与批判一下就好。
时间折叠：生成式AI如何重构商业规则（在新窗口打开）
根据Xsignal AI Holo（AI全息）数据库数据显示，2026年初的AI细分行业数据，如果说“活跃用户量”代表了用户的使用意愿，那么“使用时长”则揭示了真实的市场依存度。基于这两项指标的交叉分析，市场已出现严重的结构性分化：
复旦北大联合美团LongCat提出TDAR：用“粗思考，细求证”破解Block Diffusion的速度精度悖论（在新窗口打开）
近期，复旦大学 NLP 实验室（FDU NLP）、北京大学知识计算实验室（KCL）联合美团 LongCat Team 提出了一种 Block Diffusion 推理模型 Test-Time Scaling 新框架 TDAR，通过引入 “粗思考，细求证” (Think Coarse Critic Fine, TCCF) 范式与有界自适应置信度解码
Nature子刊封面：牛津提出首个百万级多模态心脏基础模型CSFM（在新窗口打开）
牛津大学团队推出全球首个心脏传感基础模型CSFM，能统一分析智能手环、心电图等多源数据，无论信号来自何处、是否完整，都能精准诊断房颤、预测死亡风险、重构血压波形，甚至用单一脉搏波生成完整心电图。打破了设备壁垒，让偏远地区也能享用顶级心脏监护，推动全球医疗平权。
不用排长龙！JiuwenClaw助你一键养龙虾！（在新窗口打开）
一个月前我们发布了基于华为 openJiuwen 开源社区构建的 DeepAgent 和 DeepSearch 两款智能体双双霸榜 [DeepAgent与DeepSearch双双霸榜！答案指向openJiuwen这一新兴开源项目]
4B模型幻觉抑制能力超越GPT-5，CMU等提出行为校准强化学习新方法（在新窗口打开）
大语言模型（LLM）的幻觉问题一直是阻碍其在关键领域部署的核心难题。近日，研究人员提出了一种名为行为校准强化学习（Behaviorally Calibrated Reinforcement Learning）的新方法，通过重新设计奖励函数，让模型学会「知之为知之，不知为不知」。
ICLR 2026 | LongHorizonUI：让 GUI 智能体不再"半途而废"——面向长链路任务的统一鲁棒自动化框架（在新窗口打开）
在移动端和桌面端的日常使用中，许多操作并非点一下按钮就能完成。预订一场会议、在游戏商城中购买并装备一件道具、又或者在多个应用之间完成一组连贯的工作流 —— 这些任务通常需要十几步甚至几十步的连续交互。
老黄杀入OpenClaw战场！最强开源「龙虾」模型直逼Opus 4.6（在新窗口打开）
OpenClaw又迎重磅玩家！英伟达深夜带着Nemotron 3 Super炸场，1200亿参数专为Agent打造，性能直逼Claude Opus 4.6。推理狂飙3倍，吞吐量猛涨5倍，「龙虾」这是要上天了。
真·养虾！3步让龙虾边聊边进化，不用GPU不用数据集就能强化学习（在新窗口打开）
让OpenClaw帮干活还不够，现在，程序员们正想方设法让🦞自己变强。
编程 Agent 如何重塑工程、产品和设计（在新窗口打开）
软件公司的 EPD（工程 Engineering、产品 Product、设计 Design）存在的意义就是做出好软件。虽然分了不同角色，但最终目标一样：做出能解决业务问题、用户用得上的功能软件。说到底，产出就是代码。这一点必须认清——因为编程 Agent 突然让写代码变得异常简单。那么，EPD 的角色定位会怎么变？
从向量里逆向出原始文本和模型来源（在新窗口打开）
用户把文本发到我们的 API，我们返回一串浮点数。没有标签，没有水印，没有任何元数据告诉你它从哪来、用的什么模型。大多数人看到这串数字，反应都是"不就是一堆浮点数嘛，能看出什么？"
CVPR 2026 | 还在为AI「鬼画符」发愁？TextPecker即插即用破解文字渲染难题（在新窗口打开）
在生成式 AI 浪潮中，文生图技术已实现跨越式发展，在视觉呈现上达到了前所未有的高度。然而，在生成图像中准确合成拼写正确、结构规范且风格协调的文字 —— 视觉文本渲染（Visual Text Rendering, VTR），至今仍是该领域尚未攻克的核心难题。
复旦等推出「第一人称视听基准」，补齐多模态模型「听觉拼图」（在新窗口打开）
多模态大模型掉进真实世界，会“失聪”。 你把它放在厨房：背后有人说话、金属碰撞、蒸汽嘶嘶——画面里啥也没有，但声音已经把关键信息全透露了。此时最强模型也开始“失灵”：看得懂动作，听不懂发生了什么；能描述现象，推不出原因。 问题不是模型不会“看”，而是还不会真正“听”。 声音，从来不是配角 而在人类的日常认知里，声音从来不是配角： 它提供空间线索（声源左/右、远/近、是否移动）它揭示画面外事件（镜头外的对话、敲门、摔落、报警）它承载因果与意图（某个动作触发了某个声音；某个声音提示下一步行为） 但长期以来，第一人称视频理解基准高度“视觉中心化”：音频存在，但缺乏系统评测；听觉重要，却很少被认真考察
2026年最"无聊"的AI商业模式，为什么反而最赚钱（在新窗口打开）
Ben在视频中提到了一个令人震惊的数据对比。虽然ChatGPT的使用率在飞速增长，企业也在疯狂尝试各种AI解决方案，但真正能看到商业价值的却少之又少。根据MIT的研究，在供应商销售的AI解决方案中，只有5%的试点项目最终进入了生产环境。Deloitte（德勤）发现只有15%的组织表示他们从AI中获得了显著的、可衡量的ROI。
最强多模态模型也拿不到30分？DeepImageSearch定义相册搜索新范式，开启个人视觉记忆的深度搜索时代（在新窗口打开）
“时光流转，谁还用日记本。往事有底片为证。”—— 许嵩《摄影艺术》
连Gemini都直呼“着迷”的木马，如果你的龙虾token耗太快，是该注意「Clawdrain攻击」了（在新窗口打开）
想象您是一名渗透测试工程师，面前是前几天宣布完成安全升级的OpenClaw 3.8。您不需要去找RCE（远程代码执行），也不用费劲构造缓冲区溢出。您只需要回想一下，近期在网上发生过的两场OpeClaw“闹剧”。第一次Meta AI的对齐总监眼睁睁看着自己的OpenClaw开始疯狂清空她的历史邮件。
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。