12小时登顶OpenAI MLE-bench！上海AI Lab开源算法进化框架MLEvolve（在新窗口打开）
让AI像Kaggle顶尖选手一样设计算法，需要几步？
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。
CVPR 2026｜清华联合美团推出3DThinker，首个用3D意象思考的工作（在新窗口打开）
大家是否有这样的感觉？给定几张场景中拍摄的图片，往往能够在脑海中想象出这个场景的三维布局，然而当前的多模态大模型还停留于纯文本或者 2D 视觉的推理表示，限制了图像中隐含几何结构的表达能力。
扩散模型终于学会「看题下菜碟」！根据提示词难度动态分配算力，简单题省时复杂题保画质（在新窗口打开）
扩散模型终于学会“看题下菜碟”了！ 一直以来，文生图模型都是“凭直觉”作画——不管提示词是“黑色的天空”还是“梵高风格的漩涡星空”，都死板地用同一套固定步数采样。 结果就是：简单题算力过剩，复杂题细节崩坏。 中国联通数据科学与人工智能研究院联合高校提出的新框架“轨迹链”（CoTj），彻底打破了这一僵局。它让扩散模型拥有了“系统2”的规划能力，能根据提示词的复杂程度，动态分配计算资源。 更颠覆的是，在5步的极端压缩下，CoTj规划出的轨迹配上最朴素的1阶求解器，画质居然吊打了传统方法配高阶求解器——证明“找对路”比“用什么交通工具”更重要。 目前，该研究的论文已在arXiv发布，推理代码也已开源
ICLR 2026｜原生多模态推理新范式ThinkMorph ，让文字与图像在统一架构中共同演化（在新窗口打开）
NUS、ZJU、UW、Stanford、CUHK 联合提出 「ThinkMorph」，主张让文字与图像在统一架构里「原生协作」、「共同演化」，而不是像当下大多数多模态模型那样，看完图像就闭上眼睛，后续完全靠文字链条推进。仅用 2.4 万条数据微调 7B 统一模型，视觉推理平均提升 34.74%，多项任务比肩甚至超越 GPT-4o 和 Gemini 2.5 Flash。
可微奖励就该直接微调！用HJB方程颠覆流匹配对齐｜NeurIPS'25（在新窗口打开）
用强化学习微调扩散模型，还有更好的办法吗？
1美元Token撬动4800美元收益！AI挑战百万美元级基准，最赚钱的Agent出现了（在新窗口打开）
如果有价值 $100 万美金的顶级专家任务，AI 能完成其中多少？
a16z全球AI产品Top100：AI入口之争已经打响，OpenClaw开启通用Agent时代（在新窗口打开）
三年前，我们发布了这份榜单的第一版，目标很简单：找出哪些生成式 AI 产品真正被主流消费者使用。在当时，「AI 原生」公司和其他公司之间的界限很清晰。ChatGPT、Midjourney 和 Character.AI 都是围绕基础模型从零构建的产品，而软件行业的其他玩家还在摸索这项技术该怎么用。
10秒视频token超5万，O(n²)跑不动？用后训练线性化框架实现1.71倍加速，推理成本大降｜CVPR'2026（在新窗口打开）
视频生成进入大规模时代，但计算成本也炸了。
拖拽视频编辑进入流式时代！任意时刻、任意内容，实时修改 | ICLR'26（在新窗口打开）
DragStream，首次实现视频生成时的实时拖拽编辑。用户可随时拖动画面中的物体，自由平移、旋转或变形，系统自动保持后续帧连贯自然，无需重训模型，无缝适配主流AI视频生成器，真正实现「所见即所得」。
正交化之外是什么？微软等提出ARO优化器：训练提速1/3，揭示矩阵优化新「蓝海」（在新窗口打开）
如果你在过去一年关注过大模型训练的技术，大概率听过 Muon 这个名字 —— 这个在月之暗面 K2 模型的相关讨论中走红的优化器，被视为是可能挑战 Adam 的新秀。它的思路很直接：对动量矩阵进行正交化，让各个奇异方向上的更新速率一致，提升训练效率。
从训练到推理的「瘦身」演进：首篇高效扩散语言模型（dLLM）深度综述（在新窗口打开）
在生成式 AI 的浪潮中，自回归（Autoregressive, AR）模型凭借其卓越的性能占据了统治地位。然而，其「从左到右」逐个预测 Token 的串行机制，天生限制了并行生成的可能性。
ICLR 2026｜早于DeepSeek Engram，STEM已重构Transformer「记忆」（在新窗口打开）
近年来，随着大语言模型规模与知识密度不断提升，研究者开始重新思考一个更本质的问题：模型中的参数应如何被组织，才能更高效地充当「记忆」。
ICLR2026 Oral | 北大彭一杰团队提出高效优化新范式，递归似然比梯度优化器赋能扩散模型后训练（在新窗口打开）
在 AI 视觉生成领域，扩散模型（DM）凭借其强大的高保真数据生成能力，已成为图像合成、视频生成等多模态任务的核心框架。然而，预训练后的扩散模型如何高效适配下游应用需求，一直是行业面临的关键挑战。
LeCun团队新论文：模仿人类智能搞AI，照猫画虎死胡同（在新窗口打开）
AI圈追逐多年的通用人工智能（AGI），可能从一开始就走偏了。
反直觉！扩散模型「跨界」复原: 只用卧室模型，竟能复原人脸（在新窗口打开）
自扩散模型提出以来，它不仅在图像、视频和音频生成方面取得了优异效果，也正逐渐成为解决图像复原、超分辨率、去模糊等逆问题的重要工具。
卡帕西开源Agent自进化训练框架，5分钟一轮实验，48h内揽星9.5k（在新窗口打开）
大神Karpathy又开源了新项目——一个能够自主进化的AI科研循环系统。这个项目名叫autoresearch，主打让智能体完全自主地搞科研，只要在Markdown文档里写好指令，剩下的流程全都由AI自动完成。
3B打32B？海外病毒式传播的小模型，竟然来自BOSS直聘（在新窗口打开）
这两年，大模型大厂之间堪比军备竞赛。不论开源还是闭源阵营，为了在指标上领先对手，都在疯狂地卷 Scaling Law，卷算力，卷参数量，已经达到了近乎离谱的程度。
我做了一个 AI 时代的效率神器，已开源（在新窗口打开）
上面就是我最近日常的打字方式，在家、在公司、在咖啡厅都可以。
14B规模竟也能单卡实时生成视频？多亏这个强大的开源底座（在新窗口打开）
春节期间， Seedance 2.0 爆火，堪称现象级，这也再次把视频生成推上风口。前两天，字节跳动又携手北大、安努智能和 Canva 共同开源了具备实时生成能力的视频模型 Helios 家族。该系列包含了 Helios-Base、Helios-Mid 与 Helios-Distilled 三个版本，全面覆盖了 T2V、I2V、V2V 以及交互式生成任务。
一个模型，搞定所有音频生成任务！多项基准SOTA | ICLR'26（在新窗口打开）
港科大团队提出音频生成统一模型AudioX，只需一个模型，就能从文本、视频、图像等任意模态生成高质量音效和音乐，在多项基准上超越专家模型。团队同时开源了700万样本的细粒度标注数据集IF-caps与可控T2A评测基准T2A-bench，并在该基准上大幅领先现有方法。论文已被ICLR 2026接收。
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。