Stable-DiffCoder超越自回归模型！扩散模型在代码生成取得新突破（在新窗口打开）
扩散语言模型（Diffusion Language Models, DLLMs）因其多种潜在的特性而备受关注，如能加速的非自回归并行生成特性，能直接起草编辑的特性，能数据增强的特性。然而，其模型能力往往落后于同等规模的强力自回归（AR）模型。
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。
陈天桥邓亚峰联手破解大模型记忆难题！4个月打造SOTA系统，悬赏8万美元发起全球记忆挑战赛（在新窗口打开）
开年，DeepSeek论文火遍全网，内容聚焦大模型记忆。
谷歌北大联手学术版Banana爆火，论文图表100%精确生成（在新窗口打开）
效果好到刷屏的Nano Banana，学术特供版热乎出炉！
强化学习远不是最优，CMU刚刚提出最大似然强化学习（在新窗口打开）
在大模型时代，从代码生成到数学推理，再到自主规划的 Agent 系统，强化学习几乎成了「最后一公里」的标准配置。
美团提出全新多模态统一大模型STAR，GenEval突破0.91，破解“理解-生成”零和困局（在新窗口打开）
近日，美团推出全新多模态统一大模型方案 STAR（STacked AutoRegressive Scheme for Unified Multimodal Learning），凭借创新的 "堆叠自回归架构 + 任务递进训练" 双核心设计，实现了 "理解能力不打折、生成能力达顶尖" 的双重突破。
英伟达3D模型打造“AI建筑师特工队”，8位华人合著，包括千问实习生（在新窗口打开）
英伟达新论文让AI学会先盖房、再装修。 智东西2月3日报道，近期，英伟达宣布其全新3D通用模型论文将发表于2026国际3D视觉会议，论文的预印本已于去年7月发表。这篇论文构建出了一种建构3D世界的新范式，验证了“AI生成的3D合成数据”可规模化替代人工标注数据，能够大幅降低视觉模型预训练的成本。 论文的主要成果为3D-GENERALIST模型，该模型使用统一化框架，将3D环境生成的四大核心要素即布局、材质、光照、资产等统一到序贯决策框架中。研究团队还提出了基于CLIP评分的自改进微调策略，可以让模型在下一轮生成中能自主修正前序错误。 这篇论文的作者有8位华人，第一二作者都是中国留学生，清华“姚
谷歌给「AI解数学题」神话降温：能摘低垂果实，但过程依然痛苦（在新窗口打开）
刚刚，谷歌发布了一项新的研究进展：他们用 Gemini 做了一次系统性的数学攻关实验，把目标对准了著名的 Erdős Problems 数据库里 700 个仍被标注为 open（未解决）的猜想。
致敬Kimi K2：基于slime的全流程INT4量化感知RL训练（在新窗口打开）
受 Kimi K2 团队启发，SGLang RL 团队成功落地了 INT4 量化感知训练（QAT） 流程方案。通过 “训练端伪量化 + 推理端真实量化（W4A16）” 的方案组合，我们实现了媲美 BF16 全精度训练的稳定性与训推一致性，
ICLR 2026 | Rebuttal 是一场「带着镣铐的舞蹈」？港科 RebuttalAgent 用心智理论「读懂」审稿人（在新窗口打开）
面对同行评审，许多作者都有过这样的经历：明明回答了审稿人的每一个问题，态度也足够谦卑，为什么最终还是没能打动对方？
大道至简，何恺明团队新作pMF开启像素级「无潜、单步」生成范式（在新窗口打开）
何恺明团队新论文，再次「大道至简」。 此次研究直指当前以 DiT 为代表的主流扩散模型与流匹配模型存在的通病，并提出了一种用于单步、无潜空间（Latent-free）的图像生成新框架。 论文标题：One-step Latent-free Image Generation with Pixel Mean FlowsarXiv 地址：https://arxiv.org/pdf/2601.22158v1 在生成式 AI 领域，追求更高效、更直接的生成范式一直是学界的核心目标。 当前，以 DiT 为代表的主流扩散模型与流匹配模型主要依赖两大支柱来降低生成难度，一是通过多步采样将复杂的分布转换分解为微小
刚刚，腾讯姚顺雨署名首篇论文发布，「下半场」先搞上下文学习（在新窗口打开）
不久前在 AGI-Next 前沿峰会上，姚顺雨曾分享过一个核心观点：模型想要迈向高价值应用，核心瓶颈就在于能否「用好上下文（Context）」。
AI看不懂的色盲测试背后，藏着一场像素与诗意的战争。（在新窗口打开）
AI，是色盲吗? 这个问题听起来很蠢。 毕竟现在的AI能识别人脸、读懂图片、生成图像，甚至可以按RGB色值给你改颜色。 怎么可能是色盲，看不见颜色呢? 但最近发生的一件事，让我开始开始觉得，这事不对。。。 昨天正好在办公室和同事闲聊，聊到了颜色，我们刚来的实习生小朋友说，说他是红绿色盲，然后我们的话题，就不知道怎么就聊到了色盲测试。 在现场找了几张图一起测试， 就那种一堆小点点里藏数字的图。 能看到的兄弟们可以把数字回复在公屏上。 我们那个实习生小朋友，居然真的有看不见的。 当时大家还挺欢乐的，说，要不然，发给AI看看。 然后我们就发了，本来觉得，这么明显的数字，对现在这种级别的AI来说，肯定
像开发软件一样造世界，Agent2World来了，把世界模型做成可运行的符号环境（在新窗口打开）
让模型真正 “能行动”，往往需要一个可执行、可验证的符号世界模型（Symbolic World Model）：它不是抽象的文字描述，而是能被规划器或执行器直接调用的形式化定义 —— 例如 PDDL 领域 / 问题，或可运行的环境代码 / 模拟器。
Clawdbot 如何搭建永久记忆管理系统：全靠 MD 文档（在新窗口打开）
Clawdbot（现改名为 OpenClaw） 体验下来，持久的记忆管理系统很是让人惊艳——全天候保持上下文，无限期地记住对话并在此基础上持续深化互动。
何恺明带大二本科生颠覆扩散图像生成：扔掉多步采样和潜空间，一步像素直出（在新窗口打开）
何恺明，再次出手精简架构。 新方法Pixel Mean Flow（pMF），突破传统扩散模型/流模型限制。 两大传统组件多步采样和潜空间都被砍了，现在只需一步，直接在像素空间生成图像。 在ImageNet 256×256分辨率上，pMF达到了2.22 FID；512×512分辨率上则是2.48 FID。这是目前单步、无潜空间扩散模型在该基准上取得的最佳成绩之一。 砍掉扩散模型的两大件 现代扩散模型生成图像，一直离不开多步采样和潜空间编码。 多步采样意味着生成一张图需要跑几十甚至上百次神经网络，潜空间则需要先把图像压缩到一个低维空间再进行操作。两者的共同目的是把一个极度复杂的生成问题拆解成若干个
VL-LN Bench：模拟「边走边问找具体目标」的真实导航场景（在新窗口打开）
如果将一台在视觉语言导航（VLN）任务中表现优异的机器人直接搬进家庭场景，往往会遇到不少实际问题。
MiniMax M2-her：我们做出了更懂你的 AI（在新窗口打开）
今天，我们分享 MiniMax-M2-her 背后的技术思考。M2-her 也是服务星野/Talkie的底层模型。
挑战用阿里版Claude Cowork跑通Clawdbot5个神级玩法，我Mac Mini可能白买了（在新窗口打开）
起因是这样的， 当我还在跟Mac Mini版满血版Clawdbot PK的时候，发现有人统计了排名前十的Clawdbot常见任务，分别是邮件处理，日历管理（日程提醒和会议安排），控制Claude Code开发，每日简报等，
开源免费！推荐一款基于DeepSeek大模型RAG知识库与知识图谱平台，打通飞书、企业微信、钉钉（在新窗口打开）
语析Yuxi-Know 是基于大模型RAG知识库与知识图谱技术构建的智能问答平台，支持多种知识库文件格式，如PDF、TXT、MD、Docx，支持将文件内容转换为向量存储，便于快速检索。
DeepSeek之后，智源大模型登Nature：事关“世界模型”统治路线！（在新窗口打开）
▲图片由AI生成 一场押注AI未来的技术豪赌。 智东西2月1日报道，北京时间1月29日，北京智源人工智能研究院推出的多模态大模型“悟界·Emu”登上Nature正刊，成为继DeepSeek之后第二个达成此成就的中国大模型团队研究成果，也是中国首篇围绕多模态大模型路线的Nature论文。 ▲Nature官网截图 Nature编辑点评道：“Emu3仅基于‘预测下一个token’实现了大规模文本、图像和视频的统一学习，其在生成与感知任务上的性能可与使用专门路线相当，这一成果对构建可扩展、统一的多模态智能系统具有重要意义，有望推动原生多模态助手、世界模型以及具身智能等方向的发展。” ▲Emu3有望推动
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。