OpenAI 官方博客：用技能（Skills）加速开源项目维护（在新窗口打开）
我们用 Codex 改变了维护 OpenAI Agents SDK[1] 仓库的方式。仓库本地的技能（skills）、AGENTS.md 文件和 GitHub Actions，让我们把反复出现的工程工作——验证、发布准备、示例集成测试、PR 审查，变成了可重复执行的工作流。
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。
80万条数据揭示隐患：AI正在「污染」病历，你的诊疗数据可能越来越不靠谱（在新窗口打开）
随着生成式人工智能在医疗领域的加速渗透，越来越多的病历、影像报告及各类临床文本正逐步纳入 AI 参与生成的范畴。这一旨在提升医疗效率的技术革新背后，潜藏着威胁诊断安全性的深层隐患。
DeepSeek、GPT、Qwen，所有大模型架构图都有，Karpathy：宝藏画廊！（在新窗口打开）
最近几年，大模型赛道好不热闹。 叫得上名字的几乎数都数不过来：从 GPT、Llama、Gemma、Mistral，到 DeepSeek、Qwen、Kimi、GLM、MiniMax 等等，新模型几乎以周更的速度出现。 但问题是，当架构创新越来越多时，理解它们反而变得越来越困难。不同论文里的模型结构图风格各异、模块命名不统一，即便是研究者，也很难快速看清一个模型究竟在哪些地方做出了关键改动。 如果把过去几年主流模型的架构放在一起，你会发现一个明显的空白：我们拥有大量模型，却缺少一张清晰的大模型架构图。 最近，AI 研究者 Sebastian Raschka 就尝试给了这样一张图，他将过去几年主流大
CVPR'26 | 以机器人为中心的ToM推理框架，从心智推理到决策行动（在新窗口打开）
吉林大学&微软亚洲研究院等团队提出MindPower框架，让机器人像人一样理解他人想法并主动帮忙，构建了首个以机器人为中心的心智推理评测体系，通过六层推理链条，让AI不仅看懂场景，更能推断意图、做出决策、执行动作，显著提升助人能力。
CVPR 2026 | 从视觉Token内在变化量出发，实现VLM无损加速1.87倍（在新窗口打开）
随着高分辨率图像理解与长视频处理需求的爆发式增长，大型视觉语言模型（LVLMs）所需处理的视觉 Token 数量急剧膨胀，推理效率成为落地部署的核心瓶颈。Token 压缩是缩短序列、提升吞吐的直接手段，但现有方法普遍依赖注意力权重来判断 Token 重要性，这一路线暗藏两个致命缺陷：
全新线性注意力范式！哈工深张正团队提出模长感知线性注意力！显存直降92.3%！（在新窗口打开）
当 Transformer 席卷计算机视觉领域，高分辨率图像、超长序列任务带来的算力与显存瓶颈愈发凸显：标准 Softmax 注意力的二次复杂度，让 70K+token 的超分辨率任务直接显存爆炸，高分辨率图像分割、检测的推理延迟居高不下。
Transformer祖制，被Kimi捅破了！谷歌大V高赞：Kimi触碰了十年没人敢碰的禁区！性能炸裂，相当于免费得1.25倍算力，网友：简直天才洞察（在新窗口打开）
就在刚刚，Moonshot AI（月之暗面）发布了一项足以撼动 Transformer 底层的研究：《Attention Residuals》。海外科技大 V，谷歌高级AI产品经理 Shubham Saboo 直接开启了“高赞”模式：“他们触碰了那个十年没人敢碰的部分。”
从多模态大模型中「拆」出音频向量模型（在新窗口打开）
Google 最近发了 Gemini Embedding 2，他们第一个原生多模态向量模型。文本、图像、视频、音频、文档，全部映射到同一个 3072 维向量空间。这是 Omni Embedding（全模态向量模型）的大趋势：一个架构吃下所有模态，从 jina-embeddings-v4 到 Omni-Embed-Nemotron 再到 Omni-5，大家都在往这个方向收敛。
ICLR 2026｜多模态大模型真的理解情绪吗？MME-Emotion给出了系统答案（在新窗口打开）
近年来，多模态大模型（Multimodal Large Language Models, MLLMs）正在迅速改变人工智能的能力边界。从图像理解到视频分析，从语音对话到复杂推理，大模型正在逐步具备类似人类的综合感知能力。但一个关键问题仍然没有得到充分回答：这些模型真的能够理解人类情绪吗？
后训练中的RL已死？MIT新算法挑战传统后训练思维，谢赛宁转发（在新窗口打开）
在当前的 LLM 开发中，后训练阶段通常被视为赋予模型特定能力的关键环节。传统的观点认为，模型必须通过强化学习（如 PPO、GRPO 或 RLHF）和进化策略（ES）等算法，在反复的迭代和梯度优化过程中调整权重，才能在特定任务上达到理想的性能。
UniPat AI开源SWE-Vision：五百行代码打造SOTA视觉智能体！（在新窗口打开）
多模态大模型在代码能力上进步惊人，但在基础视觉任务上却频繁失误。UniPat AI 构建了一个极简的视觉智能体框架 ——SWE-Vision，让模型可以编写并执行 Python 代码来处理和验证自己的视觉判断。在五个主流视觉基准测试中，SWE-Vision 均达到了当前最优水平。
不会拍照有招了！北大彭宇新团队开源首个美学指导大模型Venus，帮你拍好照｜CVPR 2026（在新窗口打开）
你随手拍下一张照片，AI也许只会夸“真好看”，却说不出一句真正有用的建议。
别怪你的OpenClaw像个乱挥锤子的外行，面对20万个Skills，它缺的是AgentSkillOS（在新窗口打开）
自2025年10月Claude正式确立Agent Skills规范以来 ，Agent能力的边界正在被暴涨的脚本仓库迅速拓宽。截至2026年2月末，公开可用的Skills数量已突破28万大关 。回顾过去半年，Skills开发的火力几乎全集中在了“供给侧”，而且绝大多数由分散的第三方开发者维护。
AI下半场的战场，从Agent记忆体正式打响（在新窗口打开）
最近，一个叫OpenClaw(小龙虾)的开源项目突然爆火，甚至出现线下排队安装的场面。很多人第一次直观地看到，AI不只是chatbot，而是可以真正“动手”操作电脑、完成复杂任务和个性化工作流的智能体。这意味着AI正在进入下半场，开始走向真实应用，并逐渐进入普通人的日常生活。
养虾实战教程：我用OpenClaw做了个能盯盘，也能深度复盘的投资agent（在新窗口打开）
先提前预告下，这个项目解决不了不赚钱的问题，但能帮助减少冲动交易，解决信息搜集、分析效率低问题。当然，也有同事吐槽，这是个韭菜RL，大家有选择地参考与批判一下就好。
时间折叠：生成式AI如何重构商业规则（在新窗口打开）
根据Xsignal AI Holo（AI全息）数据库数据显示，2026年初的AI细分行业数据，如果说“活跃用户量”代表了用户的使用意愿，那么“使用时长”则揭示了真实的市场依存度。基于这两项指标的交叉分析，市场已出现严重的结构性分化：
复旦北大联合美团LongCat提出TDAR：用“粗思考，细求证”破解Block Diffusion的速度精度悖论（在新窗口打开）
近期，复旦大学 NLP 实验室（FDU NLP）、北京大学知识计算实验室（KCL）联合美团 LongCat Team 提出了一种 Block Diffusion 推理模型 Test-Time Scaling 新框架 TDAR，通过引入 “粗思考，细求证” (Think Coarse Critic Fine, TCCF) 范式与有界自适应置信度解码
Nature子刊封面：牛津提出首个百万级多模态心脏基础模型CSFM（在新窗口打开）
牛津大学团队推出全球首个心脏传感基础模型CSFM，能统一分析智能手环、心电图等多源数据，无论信号来自何处、是否完整，都能精准诊断房颤、预测死亡风险、重构血压波形，甚至用单一脉搏波生成完整心电图。打破了设备壁垒，让偏远地区也能享用顶级心脏监护，推动全球医疗平权。
不用排长龙！JiuwenClaw助你一键养龙虾！（在新窗口打开）
一个月前我们发布了基于华为 openJiuwen 开源社区构建的 DeepAgent 和 DeepSearch 两款智能体双双霸榜 [DeepAgent与DeepSearch双双霸榜！答案指向openJiuwen这一新兴开源项目]
4B模型幻觉抑制能力超越GPT-5，CMU等提出行为校准强化学习新方法（在新窗口打开）
大语言模型（LLM）的幻觉问题一直是阻碍其在关键领域部署的核心难题。近日，研究人员提出了一种名为行为校准强化学习（Behaviorally Calibrated Reinforcement Learning）的新方法，通过重新设计奖励函数，让模型学会「知之为知之，不知为不知」。
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。