刚刚，中国队9B「全能王」开源登场！横扫8项全球通用第一（在新窗口打开）
10B参数以内，空间具身能力同档第一的通用多模态大模型来了！
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。
Minimax H3 之后，又来了一位狠角色：智象 HD-V1 发布，视频模型开始理解现实世界！（在新窗口打开）
最近几个月，AI 视频赛道开始热起来了： Seedance2.0 发布后，AI 视频进入可用阶段，MiniMax H3 发布后，以 1/4 的价格，把 Seedance 2.0 的成本打了下去，AI 视频成本进入平价时代。
从炒虾到通用“大脑”，Mobile ALOHA作者带来新模型（在新窗口打开）
近期，由斯坦福大学计算机科学博士符梓鹏（Zipeng Fu）联合创立的新团队Reward AI，正式发布通用机器人策略OM-1（Omnibody Model 1），并公布了完整的Omnibody技术栈。
豆包这次把牙膏挤爆了！实测Seed-2.1-pro最新版（在新窗口打开）
盼了三个月，今天 Seed-2.1-pro 终于迭代了 图片
Meshy: 角色驱动下SPMD范式的RL训练框架（在新窗口打开）
在过去的几年里，LLM RL 系统的工作负载发生了巨大的变化。早期的 RLHF 围绕同步训练展开：模型按固定顺序进行生成、打分和训练，每个阶段之间有着明确的同步边界。如今，系统还需要处理异步生成、持续训练、多轮 Agent 以及与外部环境的交互 —— 那些在同步执行中原本隐含的状态、版本和故障边界，现在都必须显式地进行管理。
实测云知声U2-Flash：18分钟速搓Agent、打造超写实大型滑梯（在新窗口打开）
43页财报一句话变带图表网页。 一款模型“好不好”，究竟该如何定义？ 显然，Agent正在改变人们评价大模型的方式。过去，判断模型强不强，往往看参数规模、Benchmark成绩和上下文长度。 而在Agent时代，一款能够又快又好地解决问题、完成任务，且token花得起的模型，才是很多用户眼中的好模型。 顶级模型固然能力更强，但往往思考和执行时间长、成本高昂，而快速模型生成token很快，却容易走错路、反复尝试，甚至需要人工接手，任务完成速度根本没快多少。 用更少的计算和无效尝试，更快更好地完成任务，是如今用户对Flash级别模型的期待，也让Flash级别模型逐渐从旗舰模型的轻量版本，走向一条独
Seed-2.1-pro的品味，让我觉得多模态Coding和Agent能力就该是这样（在新窗口打开）
最近Seed-2.1-pro又更新了。 上一次记得还是6月下旬，Coding能力有了一大波刷新，带来了很多有意思的场景落地。 最新升级到了0915，Doubao-Seed-Evolving同步更新到同一版本。 静态视觉和动态交互，都有了新的水准。给大家看看我做的网页质感： 提示词： Design a premium futuristic AI startup landing page based on the reference image. Style: cinematic, minimalist, high-end, black background, white typography,
从微信WeMM-Embedding看：OCR、原图向量到子图多向量，谁是信息图检索最优解（在新窗口打开）
前不久，微信视觉团队开源了WeMM-Embedding。
国产RSI模型交卷！Flash模型靠它反打旗舰（在新窗口打开）
RSI，彻底火了。 从硅谷一路烧到国内，「让模型参与训练下一版自己」几乎一夜之间成了AI圈最热的叙事。 不过热闹归热闹，目前真正拿模型交卷的还屈指可数。 而就在这一当口，「港股AGI第一股」云知声正式发布U2-Flash，率先交出一份国产RSI早期答卷。 △图源：云知声 在U2-Flash的后训练闭环里，模型已经开始深度参与自身演进： 从生成训练数据、分析执行轨迹，到巡检和修复训练系统。 然后，反常识的部分来了。 按行业惯例，Flash一般默认是「旗舰平替」，通常更快、更便宜，但能力相对打折。 结果U2-Flash呢？ 速度和省钱能力的提升确实没含糊。相比U2，其生成速度提升2.1倍，Agen
AI Agent安全不能只靠Prompt了：上海AI Lab探索Agent安全进化新范式（在新窗口打开）
大模型 Agent 进入浏览器、邮件、数据库和业务系统后，安全评估如果仍只检查最终回复是否包含有害内容，覆盖面会明显不足。Agent 需要规划步骤、读取外部信息并调用工具，风险可能出现在执行过程中的任一环节。
时间序列预测新成果：因果视角下，决策条件模拟的完整工程实现 | KDD'26 Oral（在新窗口打开）
真实世界的时间序列，不仅被外部事件冲击，也被人为决策持续重塑。
OpenAI把AI推向物理世界，这家公司已造好引擎，下一站1000万小时人类经验（在新窗口打开）
9 月 3 日，OpenAI 正式发布 GPT-6 Astra。在 ARC-AGI-3（一个考验 AI 能否在陌生环境中自主探索、理解规则并规划行动的 Benchmark），Astra 拿下 99.9%，并在 96% 的关卡中达到或超过人类的行动效率基准。
震撼，谷歌破解了RSI？AI靠「做梦」学会无限进化（在新窗口打开）
谷歌，可能已经破解了RSI！ 就在刚刚，谷歌联合 Google DeepMind、马里兰大学及弗吉尼亚大学，发表了一篇重磅论文。 这一次，他们展示了一条完全不同的RSI路线：AI自我进化，居然可以靠做梦？ 这一次，谷歌是让智能体把自己走过的每一步存成一棵树，然后在树里「做梦」。 在梦里练出更优的探索策略，再回到现实继续干。 论文地址：https://arxiv.org/abs/2609.14858 Dream-RSI的效果可以说是相当震撼： 算法优化任务，主流进化搜索系统需要跑51200代，Dream-RSI调用317次就达到了同等水平。 圆填充问题，追平谷歌自家AlphaEvolveV2的最
Anthropic做药，Isomorphic补大模型，Anew带着什么走到台前？（在新窗口打开）
一笔融资、一份技术报告，让一个过去五年鲜少公开发声的团队，逐渐显露出更完整的面貌。
CoRL 2026重磅开源！Sharpa世界联觉模型实现真实扰动鲁棒手内操作（在新窗口打开）
灵巧手从 demo 走向真实应用，关键不只是 “会不会动”，而是能否在 noisy depth、稀疏触觉、外力扰动和未见物体下稳定泛化。现有 in-hand manipulation 往往依赖固定物体、定初始位姿或理想传感器。而一旦遇到真实深度噪声、形状变化和接触状态不可见，这些策略就容易退化成近乎开环的 “手指套路”。
创意任务解决率95%！让视觉AI自己练习，还能把经验带到视频（在新窗口打开）
AI完成任务之后，还能留下什么？ 北京航空航天大学、香港中文大学和新加坡国立大学的研究团队最近发布了OmniHarness，给出的路径是：让视觉智能体主动练习、检查结果，再将有效流程留下。 面对下一个需求，AI手里能多一份经过验证的方法。 论文全文：https://arxiv.org/abs/2609.16057 项目主页：https://omniharness.github.io/ 代码与运行说明：https://github.com/OmniHarness/OmniHarness 创意任务解决率95% ComfyBench创意任务中，OmniHarness达到95%，超过表中最佳对照Sym
TPAMI26 | 全面升级PolaFormer++：极性感知计算流 +通道级尖峰，实现线性注意力的新天花板（在新窗口打开）
继 ICLR 2025 的 PolaFormer 之后，哈工大（深圳）与鹏城实验室合作的扩展版本 PolaFormer++ 近日被 IEEE TPAMI 正式接收。新版本在理论框架、特征映射设计和实验覆盖面上全面升级：首次给出判定特征映射是否具备「降熵尖锐性」的理论判据，并提出极性感知的通道级尖锐（PaCS）特征映射，在六大类视觉核心任务上全面验证了线性注意力的潜力。
当AI幻觉开始操作电脑：深大、港科大提出ECA，让Agent行动前先验证证据（在新窗口打开）
让 AI 帮忙发一封邮件，它可能把正文写得妥帖、附件整理得齐全，最后却发错了人。
网页藏毒，劫持Agent？你需要会「追凶」的自进化女警系统（在新窗口打开）
今天的AI Agent，已经不只是聊天窗口里「会说话」的模型。它们正在接入浏览器、文件系统、终端、API、MCP服务和各种自动化工作流，开始真正替用户执行任务。
高德联合南大、清华、北大发布WorldRoamBench，定义交互式世界模型长时漫游评测新范式（在新窗口打开）
随着 Genie 3 的发布，可交互世界模型真正走到台前：用户不再只是观看生成视频，而是可以输入动作实时改变一个持续演化的世界。世界模型开始从「生成一段视频」走向「模拟一个可交互世界」，但能走进去，不等于经得起探索。模型能否持续响应控制、维持视觉与空间一致、遵守物理规律并记住来路，仍缺少系统评测。
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。