RLinf-USER重磅发布！别再用仿真了，真实世界训练也能「极致效率与系统化」（在新窗口打开）
首个统一系统：将物理机器人提升为与 GPU 同等的计算资源，打破硬件隔阂。
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。
清华联手千问重塑归一化范式，让 Transformer 回归「深度」学习（在新窗口打开）
在十九世纪的暹罗王国曾诞生过这样一对连体兄弟：他们分别拥有完整的四肢和独立的大脑，但他们六十余年的人生被腰部相连着的一段不到十厘米的组织带永远绑定在了一起。他们的连体曾带来无尽的束缚，直到他们离开暹罗，走上马戏团的舞台。十年间，两兄弟以近乎合二为一的默契巡演欧美，获得巨大成功。
ICLR 2026 Oral | DPO「只看总分不看细节」？TI-DPO用Token重要性重塑大模型对齐（在新窗口打开）
在当今的大模型后训练（Post-training）阶段，DPO（直接偏好优化） 凭借其无需训练独立 Reward Model 的优雅设计和高效性，成功取代 PPO 成为业界的 「版本之子」，被广泛应用于 Llama-3、Mistral 等顶流开源模型的对齐中。
ICLR 2026 | 在Moltbook之外，上交大联合上海AI Lab模拟了AI原⽣社交的「真实暗⾯」（在新窗口打开）
本⽂的主要作者来⾃上海交通⼤学和上海⼈⼯智能实验室，核⼼贡献者包括任麒冰、郑志杰、郭嘉轩，指导⽼师为⻢利庄⽼师和邵婧⽼师，研究⽅向为安全可控⼤模型和智能体。 最近，Moltbook 的爆⽕与随后的迅速
海外顶级风投a16z关于AI市场的最新深度分析（在新窗口打开）
软件行业可能正在经历一场比从命令行到图形界面更剧烈的变革?最近听了一场 a16z 的 David George 分享的关于 AI 市场的深度分析，我被一组数据震撼到了：最快增长的 AI 公司正在以 693% 的年增长率扩张，而他们在销售和营销上的支出却远低于传统软件公司。
OpenClaw白嫖云部署！附自定义模型API和4种Skills神级用法～（在新窗口打开）
大家好，我是袋鼠帝。最近这两周，我的X（推特）和各种群都被刷屏了。作为一名一直在折腾 AI Agent 的博主，我当然坐不住。这几天我抽空疯狂研究OpenClaw，又是买服务器，又是配环境，把OpenClaw的多种玩法撸了一遍。
0.3B参数，600MB内存！腾讯混元实现产业级2Bit量化，端侧模型小如手机App（在新窗口打开）
等效参数量仅0.3B，内存占用仅600MB，更适合端侧部署还带思维链的模型来了。腾讯混元最新推出面向消费级硬件场景的“极小”模型HY-1.8B-2Bit，体量甚至比常用的一些手机应用还小。
训练加速1.8倍，推理开销降78%！精准筛选题目高效加速RL训练丨清华KDD（在新窗口打开）
以DeepSeek R1为代表的一系列基于强化学习（RLVR）微调的工作，显著提升了大语言模型的推理能力。但在这股浪潮背后，强化微调的代价却高得惊人。
2026开年关键词：Self-Distillation，大模型真正走向「持续学习」（在新窗口打开）
2026 年刚拉开序幕，大模型（LLM）领域的研究者们似乎达成了一种默契。 当你翻开最近 arXiv 上最受关注的几篇论文，会发现一个高频出现的词汇：Self-Distillation。
破解机器人「慢半拍」难题：南洋理工解决VLA致命短板，动态世界断层领先（在新窗口打开）
当物体在滚动、滑动、被撞飞，机器人还在执行几百毫秒前的动作预测。对动态世界而言，这种延迟，往往意味着失败。
给GRPO加上运筹外挂让7B模型比肩GPT-4！Li Auto团队发布多目标强化学习新框架 | ICASSP 2026（在新窗口打开）
文本摘要作为自然语言处理（NLP）的核心任务，其质量评估通常需要兼顾一致性（Consistency）、连贯性（Coherence）、流畅性（Fluency）和相关性（Relevance）等多个维度。
比 Cursor 还猛？Claude Code 祭出"Agent Teams"：一个 AI 指挥一群 AI 写代码（在新窗口打开）
昨天刷到 Claude Code 更新日志的时候，看到一个新功能直接让我愣住了。
英伟达世界模型再进化，一个模型驱动所有机器人！机器人的GPT时刻真正到来（在新窗口打开）
驱动具身智能进入通用领域最大的问题在哪里？
谷歌年度巨献：2025 AI投资回报率报告（在新窗口打开）
很多人都没注意到，谷歌悄悄放了一个大招，既不是 Gemini 也不是 nano banana pro，而是一份报告。这份报告调研了全球 3446 名企业高管（这些企业年营收都不低于 1000 万美元，不是小卡拉米）。
AI看图一本正经胡说八道？「一拉一推」让模型看得全又准｜微软x清华（在新窗口打开）
随着视觉-语言模型（VLM）推理能力不断增强，一个隐蔽的问题逐渐浮现： 很多错误不是推理没做好，而是“看错了”。
先解行为，再训Agent：CMU开源首份Agentic Search日志数据，把Agent拆开给你看（在新窗口打开）
在大模型驱动的 Agentic Search 日益常态化的背景下，真实环境中智能体 “如何发查询、如何改写、是否真正用上检索信息” 一直缺乏系统刻画与分析。
全新视角看世界模型：从视频生成迈向通用世界模拟器（在新窗口打开）
近年来，视频生成（Video Generation）与世界模型（World Models）已跃升为人工智能领域最炙手可热的焦点。从 Sora 到可灵（Kling），视频生成模型在运动连续性、物体交互与部分物理先验上逐渐表现出更强的「世界一致性」，让人们开始认真讨论：能否把视频生成从「逼真短片」推进到可用于推理、规划与控制的「通用世界模拟器」。
模型「漂移」新范式，何恺明新作让生成模型无须迭代推理（在新窗口打开）
训练一个生成模型是很复杂的一件事儿。 从底层逻辑上来看，生成模型是一个逐步拟合的过程。与常见的判别类模型不同，判别类模型通常关注的是将单个样本映射到对应标签，而生成模型则关注从一个分布映射到另一个分布。
登顶Hugging Face论文热榜，LLM重写数据准备的游戏规则（在新窗口打开）
来自上海交通大学、清华大学、微软研究院、麻省理工学院（MIT）、上海 AI Lab、小红书、阿里巴巴、港科大（广州）等机构的研究团队，系统梳理了近年来大语言模型在数据准备流程中的角色变化，试图回答一个业界关心的问题：LLM 能否成为下一代数据管道的「智能语义中枢」，彻底重构数据准备的范式？
人形机器人的真机强化学习! ICLR 2026 通研院提出人形机器人预训练与真机微调新范式（在新窗口打开）
目前，人形机器人已经能在现实中跳舞、奔跑、甚至完成后空翻。但接下来更关键的问题是：这些系统能否在部署之后持续地进行强化学习 —— 在真实世界的反馈中变得更稳定、更可靠，并在分布不断变化的新环境里持续适应与改进？
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。