ControlNet作者张吕敏最新论文：长视频也能实现超短上下文（在新窗口打开）
大部分的高质量视频生成模型，都只能生成上限约15秒的视频。清晰度提高之后，生成的视频时长还会再一次缩短。
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。
信息论证明，小模型跑在本地才是Agent的终极解法｜斯坦福重磅（在新窗口打开）
在近一年里，Agentic System（代理系统/智能体系统）正变得无处不在。从Open AI的Deep Research到Claude Code，我们看到越来越多的系统不再依赖单一模型，而是通过多模型协作来完成复杂的长窗口任务。
多agent系统实战之：Agno与LangGraph，谁更适合快速落地生产？（在新窗口打开）
今天还是聊聊生产级agent怎么搭这回事。
比 JSON 省一半钱的格式，为什么大厂不敢用？（在新窗口打开）
最近在研究 RAG 系统优化的时候，发现了一个有意思的格式叫 TOON。全称是 Token-Oriented Object Notation，翻译过来就是面向 Token 的对象表示法。
LeCun在Meta还有论文：JEPA物理规划的「终极指南」（在新窗口打开）
真正的挑战在于，如何在错综复杂的原始视觉输入中提取抽象精髓。这便引出了本研究的主角：JEPA-WM（联合嵌入预测世界模型）。从名字也能看出来，这个模型与 Yann LeCun 的 JEPA（联合嵌入预测架构）紧密相关。事实上也确实如此，并且 Yann LeCun 本人也是该论文的作者之一。
微信炼出扩散语言模型，实现vLLM部署AR模型3倍加速，低熵场景超10倍（在新窗口打开）
近日，腾讯微信 AI 团队提出了 WeDLM（WeChat Diffusion Language Model），这是首个在工业级推理引擎（vLLM）优化条件下，推理速度超越同等 AR 模型的扩散语言模型。
系统学习Deep Research，这一篇综述就够了（在新窗口打开）
近年来，大模型的应用正从对话与创意写作，走向更加开放、复杂的研究型问题。尽管以检索增强生成（RAG）为代表的方法缓解了知识获取瓶颈，但其静态的 “一次检索 + 一次生成” 范式，难以支撑多步推理与长期
DeepSeek改造何恺明残差连接！梁文峰亲自署名，十年首次重大升级（在新窗口打开）
2026年新年第一天，DeepSeek上传新论文。给何恺明2016成名作ResNet中提出的深度学习基础组件“残差连接”来了一场新时代的升级。残差连接自2016年ResNet问世以来，一直是深度学习架构的基石。
超DeepEP两倍！无问芯穹FUSCO以「空中变阵」突破MoE通信瓶颈，专为Agent爆发设计（在新窗口打开）
机器之心发布 随着 ChatGPT、Gemini、DeepSeek-V3、Kimi-K2 等主流大模型纷纷采用混合专家架构（Mixture-of-Experts, MoE）及专家并行策略（Expert
动态RAG性能提升14个点！用4万亿token教会大模型 「什么时候该检索」（在新窗口打开）
近日，来自伊利诺伊大学芝加哥分校、纽约大学、与蒙纳士大学的联合团队提出QuCo-RAG，首次跳出「从模型自己内部信号来评估不确定性」的思维定式，转而用预训练语料的客观统计来量化不确定性，
「视频世界模型」新突破：AI连续生成5分钟，画面也不崩（在新窗口打开）
围绕这一挑战，上海人工智能实验室联合复旦大学、南京大学、南洋理工大学 S-Lab 等单位提出了 LongVie 2—— 一个能够生成长达 5 分钟高保真、可控视频的世界模型框架。
DeepMind内部视角揭秘！Scaling Law没死，算力即一切（在新窗口打开）
2026年，Scaling Law是否还能继续玩下去？对于这个问题，一篇来自DeepMind华人研究员的万字长文在社交网络火了：Scaling Law没死！算力依然就是正义，AGI才刚刚上路。
7B扩散语言模型单样例1000+ tokens/s！上交大联合华为推出LoPA（在新窗口打开）
，时长 00:20 视频 1：单样例推理速度对比：SGLang 部署的 Qwen3-8B (NVIDIA) vs. LoPA-Dist 部署 (NVIDIA & Ascend)（注：NVIDIA 平台
阿里开源AI手机的“灵魂”，GUI智能体2B到235B四个版本全，端云协同成功率暴涨33%（在新窗口打开）
AI手机的“灵魂”GUI智能体，就这么全套开源了。
NUS尤洋教授深度探讨智能增长的瓶颈：或许我们将这样实现AGI？（在新窗口打开）
新加坡国立大学（NUS）的尤洋教授近期发表了一篇深度分析：《智能增长的瓶颈》。在这篇分析文章中，尤洋教授从技术本质出发，直指智能增长的核心矛盾，为我们揭示了 AGI（通用人工智能）的可能路径。
2026 刚开始 AI Coding，应该怎么选工具？｜Trae 开发者报告解析（在新窗口打开）
很多人可能不知道，我是 Trae 的老用户。
用Antigravity组建最强开发团队：Opus 4.5 + GPT-5.1-Codex-Max + Gemini 3 Pro（在新窗口打开）
大家好，我是鲁工。 上周发布了一篇关于如何在Antigravity中组合Claude Opus 4.5和Gemini 3 Pro进行交叉验证的文章，读者反馈不错。
Qwen负责人转发2025宝藏论文，年底重读「视觉领域GPT时刻」（在新窗口打开）
2025最后几天，是时候来看点年度宝藏论文了。
重塑语音安全！上海交大联合宇生月伴，研发高性能高泛化语音鉴伪大模型（在新窗口打开）
在生成式 AI 技术日新月异的背景下，合成语音的逼真度已达到真假难辨的水平，随之而来的语音欺诈与信息伪造风险也愈演愈烈。作为应对手段，语音鉴伪技术已成为信息安全领域的研究重心。
1.8B！腾讯开源新模型，1GB内存手机离线跑，媲美Qwen3-235B（在新窗口打开）
能翻译33语种+5方言，医学术语/粤语翻译实测“能打”。
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。