李飞飞团队新作：简单调整生成顺序，大幅提升像素级图像生成质量（在新窗口打开）
但扩散模型生图，顺序真的对吗？李飞飞团队最新论文提出的Latent Forcing方法直接打破了这一共识，他们发现生成的质量瓶颈不在架构，而在顺序。
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。
清华新框架让大模型学会「精读略读」！实现12倍端到端加速，基准评分翻倍（在新窗口打开）
来自清华大学、鹏城实验室与阿里巴巴未来生活实验室的联合研究团队发现：现有任务相关的压缩方法不仅陷入效率瓶颈——要么一次性加载全文（效率低），要么自回归逐步压缩（速度慢），更难以兼顾“保留关键信息”与“保持自然语言可解释性”。
训练加速40倍、打破“不可能三角”：MiniMax Agent RL 架构解密（在新窗口打开）
随着 MiniMax M2.5 的发布并在社区引发热烈反响，很高兴能借此机会，分享在模型训练背后关于 Agent RL 系统的一些思考。 在大规模、复杂的真实世界场景中跑 RL 时，始终面临一个核心难
2026年OpenClaw Skills排行榜：Top 20必装清单（附安装顺序）（在新窗口打开）
装 Clawdbot（现在叫 OpenClaw）不难。难的是装完之后打开一看——1700 多个 Skill，不知道先装哪个。我帮你筛了一遍。下面 20 个 Skill 按「先打地基 → 再接入口 → 最后扩场景」的顺序排好了，跟着装就行。每个都写清楚：干嘛用的、适合谁、一句话安装。
GLM-5最具破坏力的玩法来了！结合CC新出的Agent Teams，解锁Vibe coding终极形态！（在新窗口打开）
当大多数人还在测试它的单点逻辑推理能力时，敏锐的开发者已经发现了一个更具破坏力的玩法：将GLM-5的高密度思维模型注入到Anthropic最新推出的Claude Code Agent Teams架构中。
这个春节P图不求人！小红书开源图像编辑新SOTA（在新窗口打开）
AI生图领域，又出了个“狠角色”。 今日，小红书基础模型FireRed-Image-Edit正式亮相。 看似“低调”，实则战绩惊人——其在处理复杂编辑指令、风格化转换，及高精度文字编辑等多个核心指标上，展现出超强实力。 对比结果显示，FireRed-Image-Edit凭借更精准的理解力、更强的ID保持度及高效的架构，在多项权威测试中脱颖而出，在ImgEdit、GEdit等多个榜单中取得了SOTA，达到业界领先水平。 △主流榜单和自建评测集上的指标对比 这种高效架构背后的技术底座，来自小红书Super Intelligence Team在图像生成与编辑领域的一次重要探索。 划重点！目前该项目代
视听分离SOTA提速6倍！清华发布首个6M高性能模型｜ICLR'26（在新窗口打开）
清华大学团队推出的Dolphin模型突破了「高性能必高能耗」的瓶颈：仅用6M参数（较主流模型减半），通过离散化视觉编码和物理启发的热扩散注意力机制，实现单次推理即可精准分离语音，速度提升6倍以上，在多项基准测试中刷新纪录，为智能助听器、手机等端侧设备部署高清语音分离开辟新路。
开源：参考OpenClaw，我们给 Claude Code 加上了轻量化的永久透明记忆（在新窗口打开）
但考虑到在代码领域，如何做好记忆与检索，相比其他场景又有所不同，因此，基于 memsearch CLI ，我们同时也为Claude Code 做了个永久记忆的 plugin——memsearch ccplugin（可适用所有AI coding软件）。
一副手套，干翻硅谷炫技派！中国队杀入战场，狂卷100万小时数据（在新窗口打开）
灵初智能选择了一条更为激进的技术路线：「人类中心（Human-Centric）」。他们自主研发了全球首个灵巧手真实世界数采引擎Psi-SynEngine。
ICLR 2026 | 异常需要定义！中传团队提出开放世界视频异常检测新范式（在新窗口打开）
针对这一问题，中国传媒大学媒体融合与传播国家重点实验室的吴晓雨教授团队于 ICLR 2026 发表论文《Language-guided Open-world Video Anomaly Detection under Weak Supervision》，直面 VAD 领域的核心问题 —— 什么是异常？
GLM-5真够顶的：超24小时自己跑代码，700次工具调用、800次切上下文！（在新窗口打开）
当看到GLM-5正式发布后的能力，才惊觉前几天神秘模型Pony Alpha的热度还是有点保守了。
小米的首代机器人VLA大模型来了！丝滑赛德芙，推理延迟仅80ms丨全面开源（在新窗口打开）
就是说，这几天还有哪档晚会节目是没有机器人现身的吗？
具身智能的「GPT时刻」？高德连发两个全面SOTA的ABot具身基座模型（在新窗口打开）
过去几年，大模型把自然语言处理彻底重塑了。GPT 出来之前，NLP 领域的状态是：每个任务一套模型，每个场景一批数据，每个公司一条流水线，互不通用，边界清晰。GPT 之后，这套逻辑被一个预训练底座 + 任务微调的范式整个替换掉了。
Loop-ViT：让AI学会「反复思考」，3.8M参数小模型追平人类平均水平（在新窗口打开）
当我们解一道复杂的数学题或观察一幅抽象图案时，大脑往往需要反复思考、逐步推演。然而，当前主流的深度学习模型却走的是「一次通过」的路线——输入数据，经过固定层数的网络，直接输出答案。
真机RL杀疯了！机器人自学20分钟100分，数字孪生封神（在新窗口打开）
TwinRL用手机扫一遍场景构建数字孪生，让机器人先在数字孪生里大胆探索、精准试错，再回到真机20分钟跑满全桌面100%成功率——比现有方法快30%，人类干预减少一半以上。
我们离Coding领域的「AGI时刻」还有多远？字节跳动Seed发布NL2Repo-Bench仓库级长程代码生成基准（在新窗口打开）
在 AI 编程领域，大家似乎正处于一个认知错觉的顶点：随着 Coding Agents 独立完成任务的难度和范围逐渐增加，Coding 领域的 AGI 似乎就可以实现？
Z Tech｜ICLR 2026字节发布：从短句到篇章，DiscoX为长文翻译提供评测新范式（在新窗口打开）
DiscoX构建了一套200题的长文翻译数据集，以平均长度1,712 tokens的长篇章做评测单元，要求整个长文文本作为一个整体来翻译，除翻译准确度外，重点考察跨段落的逻辑与风格一致性、上下文中的术语精确性、以及专业写作规范，贴合用户真实的使用场景。
蚂蚁全模态模型开源！首创人声配乐音效一次生成，图像编辑指哪改哪（在新窗口打开）
这个国产开源模型，把多模态玩出了“魔法”感。
决定了：过年攻略全都不过脑子，让AI去想（在新窗口打开）
春节还没到，「过年的气氛」已经渗入科技圈每个人的毛孔。单说 AI 大模型这一块，刚刚发布的有 kimi 2.5 和 Step 3.5 Flash，即将发布的据说还有 DeepSeek V4，GPT-5.3、Claude Sonnet 5、Qwen 3.5，GLM-5，说不定一觉醒来，现有的技术就要被颠覆。
小红书，再造一个更有「声」命力的社区（在新窗口打开）
2026 马年注定迎来一个「AI 味」最浓的春节。
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。