统一VLA范式！港科大开源StarVLA乐高式架构，复现成本大幅降低（在新窗口打开）
当前具身智能的VLA（Vision-Language-Action）赛道正陷入典型的「碎片化」泥潭：不同团队采用异构的动作解码范式、强耦合的数据管线、互不兼容的评测协议，导致方法难以横向对比，复现成本极高。
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。
上海交大DENG Lab提出「LatentUM」：Unified Model的真正「战场」在视觉推理与世界模型（在新窗口打开）
过去一段时间，生成理解统一模型（Unified Model）经常被理解成一种「既能看懂图、又能生成图」的多模态通用系统。
准确回答视频细节！11B模型挑战视频理解「证据级」任务，开源可商用（在新窗口打开）
让一个模型概括“这是一段什么视频”，并不难。
港大×复旦×上交：视触觉融合+闭环纠错，让机器人双臂协作不再「盲操」（在新窗口打开）
在具身智能快速发展的今天，高质量数据已成为驱动能力提升的关键基础，然而一个核心问题也随之而来： 如何让机器人数据采集更快、更稳、更有效？
龙虾让位！硅谷顶流AI「爱马仕」一夜闯进微信，冲上全球第一（在新窗口打开）
硅谷新宠Hermes Agent一夜爆火，不仅在GitHub狂揽6.6万星，更因原生接入微信让开发者全线沸腾。如今，Hermes署名的首篇「顶会级」论文也出世了。如今，这款历经9个月打磨，一夜成名的Agent，已在GitHub上狂揽66k星，Fork有8.8k。
Claude强到不敢发的Mythos，被质疑用了字节Seed技术（在新窗口打开）
Claude最强“神话”模型，可能用到来自字节的技术？
日嫖1000次！Qwen3.6反代API接入任意工具（在新窗口打开）
昨天我发现 Qwen3.6“倒反天罡”。
全球第一，13个SOTA！我们找到了龙虾界掌管GUI的神（在新窗口打开）
有没有想过让「龙虾」替你打麻将？ 自从龙虾热以来，大家慢慢接受了 AI 智能体能够在电脑上执行操作的特性。 既然龙虾具备一定的控制能力，那让它替我去挣欢乐豆不过分吧。 遗憾的是，现在的龙虾，称之为「Claw」是有道理的，笨拙的龙虾爪的确很难进行复杂操作。让它打开浏览器逛逛电商平台比价，都要寻找各种对应的 Skills，而且执行的吭哧瘪肚的，这的确让人很难放心地将正经工作流交给龙虾。 时隔半年有余，那个能够直接操作图形界面的，曾经取得双榜 SOTA 的通用 GUI 智能体模型 Mano 再一次产生了飞跃。不仅解决了自动操作工作流的痛点，甚至连「替我打麻将」的梦想都实现了： 这次，明略科技带着自研
挤干大模型高分「水分」！最强模型仅49分，南大傅朝友发布Video-MME-v2（在新窗口打开）
现有大模型评测分数日趋饱和，但与真实体验差距显著。南京大学傅朝友团队牵头，在 Google Gemini 评测团队邀约下推出视频理解新基准 Video-MME-v2。凭借创新的分层能力体系与组级非线性评分，以及 3300 + 人工时高质量标注，揭示模型与人类的巨大鸿沟（49 vs 90）、传统 Acc 指标虚高、以及 “Thinking” 并非总是增益等现象。
迎接范式革命：最新、最全的大模型Latent Space综述，NUS、复旦、清华等联合出品（在新窗口打开）
从 2024 年底的关于潜在空间的早期探索，再到 2025 年底和 2026 年初的相关研究爆发，潜空间范式正在彻底重塑大模型 (LLMs, VLMs, VLAs 等延伸模型) 的底层设计逻辑。
分享一个我用了2年的深度研究Prompt，半小时帮你搞懂任何陌生领域。（在新窗口打开）
前两天办完大会，然后昨天周末跟一个朋友吃饭，聊着聊着他突然放下筷子看着我说了一句，不是哥们，你怎么什么都懂一点？
Harness 刚火，可能就要成为过去时了｜Hao好聊论文（在新窗口打开）
随着任务的复杂度提升，Agent（智能体）的上下文在无限膨胀。在无穷的历史对话、工具调用输出、中间步骤以及报错信息中，模型迷糊了，于是开始跳步、忽视、绕道。
大佬深度解析：Coding Agent的底层运行逻辑是什么？（在新窗口打开）
在本文中，我将探讨编码智能体（coding agents）及其智能体编排（agent harnesses）的整体设计：它们究竟是什么、工作原理如何，以及在实际应用中各组件是如何协同运作的。
CVPR 2026 | 摆脱相机依赖！M4Human推动毫米波人体感知迈向新阶段（在新窗口打开）
想象几个并不遥远的场景： 医院的病房里，刚做完手术的患者正在练习下床、走动，智能系统通过摄像头捕捉他的动作，判断步态是否稳定、有没有跌倒风险；回到家，在卧室或浴室这样私密的空间里，老人起身、转身、洗漱，甚至意外滑倒的瞬间，也可能被视觉传感器记录，只为了让 AI 能更早发现异常；
Claude Code源码全拆解：55个目录、331个模块，最强Agent架构长什么样（在新窗口打开）
Anthropic 的 Claude Code 源码被扒了个干干净净。55 个目录、331 个模块、目前业界最经受实战检验的 Agent 架构——全部暴露在 .map 文件里。
南大团队直击大模型高分神话：人类90分，最强模型仅49分（在新窗口打开）
现有大模型评测分数日趋饱和，但与真实体验差距显著。南京大学傅朝友团队牵头，在Google Gemini评测团队邀约下推出视频理解新基准Video-MME-v2。凭借创新的分层能力体系与组级非线性评分，以及3300+人工时高质量标注，揭示模型与人类的巨大鸿沟（49vs90）、传统Acc指标虚高、以及「Thinking」并非总是增益等现象。
告别浏览器封装，Hermes Desktop 为 Hermes Agent 带来纯正 Mac 体验（在新窗口打开）
对于已经在使用强大的 Hermes Agent 的 Mac 用户来说，现在有了一款能让您的工作流更加流畅、更具原生体验的工具——Hermes Desktop。它并非一个简单的浏览器封装，而是一款专为 macOS 设计的本地应用程序，旨在将您最关心的工作流程无缝集成到一个窗口中。
护航MiniMax、驯服小龙虾，腾讯云的AI Agent“数字总部”亮了（在新窗口打开）
腾讯云“防爆箱”护航百万“龙虾”上岗，已助力MiniMax强化学习训练。
蒸馏万物成skill，B站UP花叔开源的「女娲.skill」，一周 8k star（在新窗口打开）
「小猫补光灯」的作者花生...啊不...这人改名叫花叔了...hhhh，又整了一个新活：一周 8000 多个 star
同一个模型，换个Harness排名跳了25位：智能体基础设施完全解剖（在新窗口打开）
LangChain 只换了模型外面的基础设施——同一个模型、同一套权重——就从 TerminalBench 2.0 排行榜 30 名开外直接跳到了第 5 名。另一个独立研究项目让大模型自己优化这层基础设施，达到了 76.4% 的通过率，超过了所有人工设计的方案。
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。