突破万次连续编辑极限！中科院提出首个理论保稳的知识保留方法（在新窗口打开）
LyapLock首次让大模型在上万次知识更新中稳住旧记忆、精准学新知。它用「虚拟队列」实时监控遗忘风险，动态平衡新旧知识，理论保证长期不崩盘，编辑效果比主流方法提升11.89%，还能赋能现有模型，让AI真正学会「持续成长」。
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。
2026 开年这篇综述，把高效 Agents 讲得很工程（附落地清单）（在新窗口打开）
上周有个朋友跟我吐槽，说他们线上跑的 Agent，单次任务 token 消耗到了六位数。
UIUC清华微软联合提出PlugMem：当Agent记忆告别「经历」，开始存储「经验」（在新窗口打开）
随着大语言模型 Agent 开始在对话、问答与复杂交互环境中长期运行，“记忆该如何设计” 正在成为一个绕不开的核心问题。
仅保留35% Token，性能反超原模型！快手可灵等用视觉信息引导音频压缩，推理时间直降42%（在新窗口打开）
一段几十秒的音视频，上万Token，一半以上是冗余——Omni-LLM的计算浪费，比想象中更严重。
视频生成太慢？英伟达、谢赛宁等发布TMD框架，实现70倍加速（在新窗口打开）
近年来，大规模视频扩散模型在视频生成领域取得了显著进展。然而，采样效率低下仍然是这类模型的核心瓶颈。
物理AI的「原生」时刻：原力灵机发布具身大模型DM0（在新窗口打开）
当前，大语言模型（LLMs）和视觉语言模型（VLMs）在语义领域的成功未能直接迁移至物理机器人，归根结底在于其互联网原生的基因。
不平衡数据下对比学习的理论分析：从训练动态到剪枝解决方案（在新窗口打开）
对比学习已成为表征学习中的一种强大范式，能够在不依赖标签的情况下有效利用无标注数据。
我用Claude code开发了一个微信小程序：实测78个skills，这5个组合最香（在新窗口打开）
朋友们，先问你们个问题：你们的 Claude Code 里装了多少个 skills？
![[小山译] Claude Skill 编写与实战指南](https://ainrk.com/uploads/a659f881_1cf1_11f1_af9f_fa163e47d677_b88fc161d6.webp)
[小山译] Claude Skill 编写与实战指南（在新窗口打开）
最近沉迷折腾龙虾，想把日常工作都 Skill 化，试了挺多方法都不怎么好用。正好最近 Anthropic 出了一份官方指南，我边学边翻，分享给你。
你的龙虾 AI 怎么这么费钱？拆解 OpenClaw 源码帮你省钱。（在新窗口打开）
最近在研究 OpenClaw，这个工具的火热程度不用再赘述。
12小时登顶OpenAI MLE-bench！上海AI Lab开源算法进化框架MLEvolve（在新窗口打开）
让AI像Kaggle顶尖选手一样设计算法，需要几步？
CVPR 2026｜清华联合美团推出3DThinker，首个用3D意象思考的工作（在新窗口打开）
大家是否有这样的感觉？给定几张场景中拍摄的图片，往往能够在脑海中想象出这个场景的三维布局，然而当前的多模态大模型还停留于纯文本或者 2D 视觉的推理表示，限制了图像中隐含几何结构的表达能力。
扩散模型终于学会「看题下菜碟」！根据提示词难度动态分配算力，简单题省时复杂题保画质（在新窗口打开）
扩散模型终于学会“看题下菜碟”了！ 一直以来，文生图模型都是“凭直觉”作画——不管提示词是“黑色的天空”还是“梵高风格的漩涡星空”，都死板地用同一套固定步数采样。 结果就是：简单题算力过剩，复杂题细节崩坏。 中国联通数据科学与人工智能研究院联合高校提出的新框架“轨迹链”（CoTj），彻底打破了这一僵局。它让扩散模型拥有了“系统2”的规划能力，能根据提示词的复杂程度，动态分配计算资源。 更颠覆的是，在5步的极端压缩下，CoTj规划出的轨迹配上最朴素的1阶求解器，画质居然吊打了传统方法配高阶求解器——证明“找对路”比“用什么交通工具”更重要。 目前，该研究的论文已在arXiv发布，推理代码也已开源
ICLR 2026｜原生多模态推理新范式ThinkMorph ，让文字与图像在统一架构中共同演化（在新窗口打开）
NUS、ZJU、UW、Stanford、CUHK 联合提出 「ThinkMorph」，主张让文字与图像在统一架构里「原生协作」、「共同演化」，而不是像当下大多数多模态模型那样，看完图像就闭上眼睛，后续完全靠文字链条推进。仅用 2.4 万条数据微调 7B 统一模型，视觉推理平均提升 34.74%，多项任务比肩甚至超越 GPT-4o 和 Gemini 2.5 Flash。
可微奖励就该直接微调！用HJB方程颠覆流匹配对齐｜NeurIPS'25（在新窗口打开）
用强化学习微调扩散模型，还有更好的办法吗？
1美元Token撬动4800美元收益！AI挑战百万美元级基准，最赚钱的Agent出现了（在新窗口打开）
如果有价值 $100 万美金的顶级专家任务，AI 能完成其中多少？
a16z全球AI产品Top100：AI入口之争已经打响，OpenClaw开启通用Agent时代（在新窗口打开）
三年前，我们发布了这份榜单的第一版，目标很简单：找出哪些生成式 AI 产品真正被主流消费者使用。在当时，「AI 原生」公司和其他公司之间的界限很清晰。ChatGPT、Midjourney 和 Character.AI 都是围绕基础模型从零构建的产品，而软件行业的其他玩家还在摸索这项技术该怎么用。
10秒视频token超5万，O(n²)跑不动？用后训练线性化框架实现1.71倍加速，推理成本大降｜CVPR'2026（在新窗口打开）
视频生成进入大规模时代，但计算成本也炸了。
拖拽视频编辑进入流式时代！任意时刻、任意内容，实时修改 | ICLR'26（在新窗口打开）
DragStream，首次实现视频生成时的实时拖拽编辑。用户可随时拖动画面中的物体，自由平移、旋转或变形，系统自动保持后续帧连贯自然，无需重训模型，无缝适配主流AI视频生成器，真正实现「所见即所得」。
正交化之外是什么？微软等提出ARO优化器：训练提速1/3，揭示矩阵优化新「蓝海」（在新窗口打开）
如果你在过去一年关注过大模型训练的技术，大概率听过 Muon 这个名字 —— 这个在月之暗面 K2 模型的相关讨论中走红的优化器，被视为是可能挑战 Adam 的新秀。它的思路很直接：对动量矩阵进行正交化，让各个奇异方向上的更新速率一致，提升训练效率。
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。