解锁任意步数文生图，港大&Adobe全新Self-E框架学会自我评估（在新窗口打开）
香港大学（The University of Hong Kong）与 Adobe Research 联合发布 Self-E（Self-Evaluating Model）：一种无需预训练教师蒸馏、从零开始训练的任意步数文生图框架。其目标非常直接：让同一个模型在极少步数也能生成语义清晰、结构稳定的图像，同时在 50 步等常规设置下保持顶级质量，并且随着步数增加呈现单调提升。
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。
能上生产才是硬道理！Coding Agent 评测，终于开始关注过程了（在新窗口打开）
今天是一期硬核的话题讨论： Coding Agent 评测。 AI 编程能力进步飞速，在国外御三家和国产中厂四杰的努力下，AI 编程基准 SWE-bench 的分数从年初的 30% 硬生生拉到了年底的
我们对 Coding Agent 的评测，可能搞错了方向（在新窗口打开）
我们对 Coding Agent 的评测，可能搞错了方向。 一个反复出现，但常常被忽略的现象是：用户对 Agent 的不满，往往不是因为它「做不到」，而是因为它「做得不好」。 「做得不好」集中表现在：
不止于量化：最新综述用「时-空-构」三维视角解构KV Cache系统级优化（在新窗口打开）
近期，来自墨尔本大学和华中科技大学的研究者们发布了一篇深度综述，从 MLSys 的思维出发，用一套新颖的「时间 - 空间 - 结构」系统行为视角对 KV cache 优化方法进行了系统性梳理与深入分析，并将相关资源整理成了持续维护的 Awesome 资源库，方便研究者与从业人员快速定位与落地。
沃顿商学院证明过的Agent Skills，Superpower狂揽23.7k star，CC、Codex直接用（在新窗口打开）
这是一个拥有23.7k star的Skills开源项目。支持一键部署在Claude code、Codex以及最近非常火的Opencode。
跳出「黑盒」，人大刘勇团队最新大语言模型理论与机理综述（在新窗口打开）
大语言模型（LLMs）的爆发式增长引领了人工智能领域的范式转移，取得了巨大的工程成功。然而，一个关键的悖论依然存在：尽管 LLMs 在实践中表现卓越，但其理论研究仍处于起步阶段，导致这些系统在很大程度上被视为难以捉摸的「黑盒」。
DeepSeek连发两篇论文背后，原来藏着一场学术接力（在新窗口打开）
2026 年 1 月过半，我们依然没有等来 DeepSeek V4，但它的模样已经愈发清晰。
人脸机器人登上Science Robotics封面：用AI教会仿生人脸机器人「开口说话」（在新窗口打开）
胡宇航（网名 “U 航”），毕业于美国哥伦比亚大学，博士学位，首形科技创始人。长期专注于机器人自主学习的研究工作。研究成果发表于《Nature Machine Intelligence》，《Science Robotics》等国际顶级期刊。
仅需一个混频器的无线射频机器学习推理，登上Science Advances！（在新窗口打开）
机器学习部署在边端设备的时候，模型总是存储在云端服务器上（5G 基站），而模型输入输出总是在边端设备上（例如用照相机拍摄照片然后识别其中的目标）。在这种场景下，传统有以下两种方案完成机器学习的推理：
不得了，这个新技术把视频压缩到了0.02%！（在新窗口打开）
感谢AI！ 原生1个G的视频，现在只需要传200K数据就能看了—— 视频数据的压缩率干到了0.02%，但依旧能保持画面的高清、连贯和画面细节。 或许你会问，这又有什么用呢？ 想象一下，你身处于太平洋的一搜远洋货轮中，卫星信号只有一两格，刷个朋友圈，加载内容的圈圈都要转好久。 但正是因为有了这项AI技术，现在在如此极端的环境之下，你甚至可以直接看高清的世界杯直播！ 没错，视频传输的物理法则，算是被重写了。 而这项新研究，正是来自中国电信人工智能研究院（TeleAI）的技术——生成式视频压缩（GVC，Generative Video Compression）。 作为国资央企、全球领先的综合智能信息
“Claude Cowork 杀死了我的创业公司”（在新窗口打开）
AI 不再仅仅是操作和交互的对象，它开始成为 Coworker。
让AI当「动作导演」：腾讯混元动作大模型开源，听懂模糊指令，生成高质量3D角色动画（在新窗口打开）
在3D角色动画创作领域，高质量动作资产的匮乏长期制约着产出的上限。
让Agent记住一切是愚蠢的：SimpleMem用「结构化语义压缩」登顶记忆SOTA（在新窗口打开）
如果人类的大脑像现在的LLM Agent一样工作，记住每一句今天明天的废话，我们在五岁时就会因为内存溢出而宕机。真正的智能，核心不在于“存储”，而在于高效的“遗忘”与“重组”。
视觉模型既懂语义，又能还原细节，南洋理工&商汤提出棱镜假说（在新窗口打开）
作者来自 Nanyang Technological University（MMLab） 与 SenseTime Research，提出 Prism Hypothesis（棱镜假说） 与 Unified Autoencoding（UAE），尝试用 “频率谱” 的统一视角，把语义编码器与像素编码器的表示冲突真正 “合并解决”。
官宣，Milvus开源语义高亮模型：告别饱和检索，帮RAG、agent剪枝80%上下文（在新窗口打开）
RAG与agent用到深水区，一定会遇到这个问题： 明明架构很完美，私有数据也做了接入，但项目上线三天，不但token账单爆了，模型输出结果也似乎总差点意思。
端到端智驾新SOTA | KnowVal：懂法律道德、有价值观的智能驾驶系统（在新窗口打开）
一个智能驾驶系统，在迈向高阶自动驾驶的过程中，应当具备何种能力？除了基础的感知、预测、规划、决策能力，如何对三维空间进行更深入的理解？如何具备包含法律法规、道德原则、防御性驾驶原则等知识？如何进行基本的视觉 - 语言推理？如何让智能系统具备世界观和价值观？
这一次，谷歌Veo 3.1教Sora做视频！角色0变形，4K竖屏直接满分（在新窗口打开）
今天，谷歌Veo 3.1终于迎来重磅升级，表现力直接爆表！ 这一次，谷歌特别优化了移动端体验。只需上传一些「素材图片」（ingredient images），就能轻松创作出更有趣、更有创意、画质极佳的视频。
年入103万美元！AI 独立开发者天花板！普通人应如何实践？（在新窗口打开）
2026 年刚开年，独立开发者圈子就炸锅了。
500万次围观，1X把「世界模型」真正用在了机器人NEO身上（在新窗口打开）
还记得那个穿着「Lululemon」紧身衣、主打温柔陪伴的家用人形机器人 NEO 吗？
不用额外缓存！英伟达开源大模型记忆压缩方案，128K上下文提速2.7倍（在新窗口打开）
提高大模型记忆这块儿，美国大模型开源王者——英伟达也出招了。
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。