AAAI 2026｜AP2O-Coder 让大模型拥有「错题本」，像人类一样按题型高效刷题（在新窗口打开）
在 AI 辅助 Coding 技术快速发展的背景下，大语言模型（LLMs）虽显著提升了软件开发效率，但开源的 LLMs 生成的代码依旧存在运行时错误，增加了开发者调试成本。
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。
Sebastian Raschka 2026预测：Transformer统治依旧，但扩散模型正悄然崛起（在新窗口打开）
站在 2026 年的开端回望，LLM 的架构之争似乎进入了一个新的微妙阶段。过去几年，Transformer 架构以绝对的统治力横扫了人工智能领域，但随着算力成本的博弈和对推理效率的极致追求，挑战者们从未停止过脚步。
Claude Cowork刚发布，就有大佬开源复刻了！支持三方 API，让 AI 帮你干活！（在新窗口打开）
如果说 2024 年我们还在惊叹于 AI 能写代码、能画图，那么 2025 年的关键词一定是：Agent（智能体）。
DeepSeek最新论文 Engram 解读，牛逼！（在新窗口打开）
今天DeepSeek又发表了一篇论文，让AI解读，仔细读完，觉得很牛逼。
发现一个贼牛的开源项目，AI一键生成完整视频（在新窗口打开）
从ChatGPT爆火以后，就总有“AI太牛了，自己是不是要失业了”等等类似的声音出现。
2025 AI 趋势报告：Agents 正在跨越鸿沟（在新窗口打开）
2025 年，AI 智能体“跨过了鸿沟”，开始被更广泛、务实的用户群体采用，不再只是少数发烧友或愿景家在用。
马斯克的 Grok 已经成了互联网最强爬虫？手把手教你打造 24 小时自动情报局（在新窗口打开）
马斯克的 Grok 已经成了互联网最强爬虫？手把手教你打造 24 小时自动情报局 还在看国内自媒体“二传手”的资讯？ 当你还在被添油加醋的二手信息带节奏时，真正的玩家已经用 Grok 在 X (推特) 上挖掘第一手情报了。 为什么 Grok + X 是信息获取的终极形态？ 真实无广：X 上的讨论更自由、更硬核，没有层层审核后的废话。原生优势：Grok 是马斯克的亲儿子，拥有 X 平台的全量实时数据权限。降维打击：它不仅是一个聊天机器人，本质上是一个懂语义理解的超级爬虫。 今天，我不藏私，直接教你两招： 第一招：用一段 Prompt 让 Grok 变成你的热帖监控器。第二招：用自动化工具 Gro
不会封号的Claude Code使用方法！已稳定测试一个月，还能共享给团队。（在新窗口打开）
哈喽，大家好，我是刘小排。 使用Claude Code最大的痛点是什么？其实不是贵，而是封号。因为就算使用Claude Max Plan 每月$200美金，虽然看上去贵，但是一个月能轻松用上价值数千美金甚至上万美金的token，是很便宜的。
AI4S又一瓶颈被攻克：两个AI「吵架」，让科研代码部署成功率突破95%（在新窗口打开）
过去几十年里，科学计算领域积累了数量空前的开源软件工具。
不上云、不租卡，如何优雅地在本地微调Qwen-VL-30B？（在新窗口打开）
假如你是一个致力于将 AI 引入传统行业的工程团队。现在，你有一个问题：训练一个能看懂复杂机械图纸、设备维护手册或金融研报图表的多模态助手。这个助手不仅要能专业陪聊，更要能精准地识别图纸上的零件标注，或者从密密麻麻的财报截图中提取关键数据。
向量数据库一定会消失：从 seekdb 看 OLTP 与 Vector 的原生融合。（在新窗口打开）
故事得从我们那个行业交流群说起。 群里都是帮搞技术架构的老朋友，平时大家最大的乐趣就是吐槽：吐槽大模型幻觉，吐槽 RAG效果差，分享新的RAG框架。 经常是今天这个说 MySQL 顶不住了，明天那个骂向量库的数据同步又挂了。 大概上个月吧，群里有个做金融项目的技术负责人，突然甩了一个 GitHub 链接出来。 说实话，当时群里刷屏快，我瞥了一眼，心想：“又是个不知名的小开源项目吧。” 毕竟这两年向量数据库赛道太卷了，GitHub 上每天都能冒出好几个号称“拳打 Milvus，脚踢 Pinecone”的新轮子。 大多数都是 Demo 级别的玩具，我手指一滑，准备直接划走。 直到我眼神往下扫，看到
华为推出软工代码智能体SWE-Lego，解锁SFT训练极致性能（在新窗口打开）
“软工任务要改多文件、多轮工具调用，模型怎么学透？高质量训练数据稀缺，又怕轨迹含噪声作弊？复杂 RL 训练成本高，中小团队望而却步？”
一个模型统一4D世界生成与重建，港科大One4D框架来了（在新窗口打开）
近年来，视频扩散模型在 “真实感、动态性、可控性” 上进展飞快，但它们大多仍停留在纯 RGB 空间。模型能生成好看的视频，却缺少对三维几何的显式建模。这让许多世界模型（world model）导向的应用（空间推理、具身智能、机器人、自动驾驶仿真等）难以落地，因为这些任务不仅需要像素，还需要完整地模拟 4D 世界。
梁文锋署名新论文，DeepSeek V4架构首曝？直击Transformer致命缺陷（在新窗口打开）
深夜，梁文锋署名的DeepSeek新论文又来了。这一次，他们提出全新的Engram模块，解决了Transformer的记忆难题，让模型容量不再靠堆参数！
美团龙猫LongCat技术升级！新注意力机制解码速度快10倍，还能处理1M超长文本（在新窗口打开）
256K文本预加载提速超50%，还解锁了1M上下文窗口。
3分钟一条链接变三篇爆款文，Claude Agent + Obsidian，写作工作流我已经全自动化了（在新窗口打开）
上个月我和黄叔在视频号连麦，顺手注册了这个公众号。说实话，当时心里没底，也就是抱着试一试的心态。
KAN一作刘子鸣回国任教，清华官网盖章认证了（在新窗口打开）
爆火神经网络架构KAN一作，毕业新去向已获清华官网认证： 刘子鸣，拟于今年9月加入清华大学人工智能学院，任助理教授。
引入几何约束后，VLM跨越了「空间推理」的认知鸿沟（在新窗口打开）
现有的视觉大模型普遍存在「语义-几何鸿沟」（Semantic-to-Geometric Gap），不仅分不清东南西北，更难以处理精确的空间量化任务。例如问「你坐在沙发上时，餐桌在你的哪一侧？」，VLM 常常答错。
Anthropic发布万字长文：系统化评估 AI Agents 的工程方法（在新窗口打开）
如果你在做 AI Agent 开发，大概率已经发现一件事： Agent 几乎是传统软件测试方法的反例。
Skills的容量上限在哪里？2026单Skills组合还是多Agent好？｜UCB最新（在新窗口打开）
在文章开始前，请您先打开Claude code，输入/skill，检查一下您的Claude code有多少个skills？是20个？50个？还是已经突破了100个？自从Anthropic推广Agent Skills以来，我们都爱上了这种“即插即用”的模块化体验。它把臃肿的多智能体编排（MAS）变成了一组优雅的Markdown文件调用，让API账单和延迟同时暴跌了50%以上。
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。