刚刚，国产世界模型Motus 2发布！灵巧操作开始「自进化」（在新窗口打开）
9月10日，生数科技在外滩大会发布面向灵巧操作的自进化通用世界模型Motus2，首次将策略、仿真器与评估器统一于同一模型，实现"行动—预测—评估—反馈"闭环，五项真机任务平均成功率84%。
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。
清华发布物理引导的扩散模型，无线信道多尺度预测提升37.19% | TMC'26（在新窗口打开）
清华大学与北京邮电大学联合提出物理引导扩散模型Channel-Diff，将传播模型、阴影遮挡与多径几何嵌入条件扩散模型，实现无线信道多尺度RSRP预测，在两套真实数据集上相较次优方法分别取得37.19%和25.15%的综合性能提升。
AI自动写综述做到什么程度了？浙大、上交提出DAS，1小时生成面向发表的Academic Survey（在新窗口打开）
浙江大学与上海交通大学团队提出Deep Academic Survey（DAS），通过Stateful Agentic框架与DAS-2M文献元数据库，可在1小时内自动生成面向发表的学术综述，在DAS-Bench 30个主题评测中平均得分4.34，并已开放220篇完整Survey供查看。
AI又攻克了一个40年数学猜想（在新窗口打开）
Shengtao Guo、Ethan X. Fang和Junwei Lu署名的预印本论文宣称利用Odin Automatic AI Research Agent证明了悬而未决40年的Komlós猜想并给出常数界3√(2π)，次日陶哲轩等25位菲尔兹奖得主发表联合声明《AI在数学中的严重失准》，警告AI证明速度已远超学界验证与消化的能力。
算法工程师要失业了？阿里和浙大联手提出Astar，用AI指导AI系统进化（在新窗口打开）
如今的 AI 已经能顺畅地帮你写代码、跑实验、做评估。算法工程师的每一天，几乎变成了：让 LLM 整理昨天的实验结果，让 LLM 实现新想法，让 LLM 监控实验运行…… 似乎只需把需求告诉 AI，它就能完成大部分算法工作。
中国物理AI大突破：PhysBrain 1.5登顶全球开源榜一，空间智能与GPT-6 Astra并驾齐驱（在新窗口打开）
物理AI，正在成为2026年全球人工智能最关键的赛道，也是未来之争。
2000+真实场景搬进仿真！一个导航模型零样本“通吃”四种机器人本体（在新窗口打开）
过去一年，具身智能的技术迭代明显加快。VLA、世界模型持续演进，强化学习重新成为机器人学习的重要技术路径，Sim2Real加速从仿真走向真机，全身控制能力也在快速突破。
个性化智能体强化学习框架上线，8B模型盲测第一（在新窗口打开）
当个性化Agentic RL遇上现实用户平台场景时，一直存在一个常见难点：面对同样的query，不同用户往往偏好不同的规划策略、工具调用和最终表达。
vLLM-Omni 上的 MiniMax H3：从系统级优化到基于 FastVideo FastH3 的实时服务（在新窗口打开）
MiniMax H3 的服务是一个系统问题。一个请求要经过一个庞大的 Qwen3-VL 编码器、一个长序列的音视频 DiT、相互独立的视频与音频 VAE、设备与进程的边界，最后还要完成 H.264/AAC 的封装。只优化 DiT，其余环节的时延依然留在那里。
配套CLI与Skills，浙大开源可插拔Agent评测底座（在新窗口打开）
同一套模型，换一个coding agent运行时，测试得分和实际消耗往往大相径庭。
全网震撼！菲奖得主未解难题，竟被两名高中生用AI攻破了（在新窗口打开）
新智元报道 你敢信？ 人没上大学，研究已经接上了「菲尔兹奖得主」的工作了。 就在今天，UCLA数学圈传出了一条让所有人震惊的消息—— 两名高中生Aayush Bathija和Prince Rohatg
Astra写的代码，人类已经看不懂了（在新窗口打开）
Astra，每天都有新新闻。昨天攻克 A，今天攻克 B，明天可能要一起解决 CDE……进步之快，让人目不暇接。而就算你目力过人，你可能也看不懂 Astra 在做啥了。
视觉理解和生成究竟能否相互促进？从视觉表征、任务到系统重新审视UMM（在新窗口打开）
理解生成统一模型（Unified Multimodal Models, UMMs）正在成为多模态模型的重要发展方向。相比传统的理解模型 + 生成模型，UMM 希望在同一个模型中同时完成视觉理解和图像生成，让文本和图像能够在统一上下文中被理解、推理和生成。
告别「只会相似度检索」：腾讯最新T-Mem让AI学会「联想回忆」（在新窗口打开）
大语言模型智能体正越来越多地进入长期陪伴聊天这类场景 —— 不再答完一个问题就走，而是和用户处成一段长久的关系。
AI开始改进“改进自己的方法”，RSI进入平方时代丨MetaRSI（在新窗口打开）
让模型自己生成训练数据、自己改写提示词、自己修复代码，这条路线被称为： 递归自我改进（Recursive Self-Improvement，RSI）。
一个月 20 刀的 Antigravity CLI，可能被很多人低估了（在新窗口打开）
众所周知，现在的大模型基本每隔 35 天左右就会换一轮。
首个统一元递归自我改进架构，让AI「变强的方式」本身变强（在新窗口打开）
过去两年，AI 领域最激动人心的叙事之一，是让模型自己改进自己：自己生成训练数据、自己改写提示词、自己修复自己的代码。这条路线叫递归自我改进（Recursive Self-Improvement，RSI）。
GPT-6 Astra为何如此惊艳？S-Space透视多模态模型内部的空间智能（在新窗口打开）
最近，GPT-6 Astra 的三维建模与空间理解 demo 引发关注。它能在 Blender 中搭建带家具和庭院的住宅，再将场景转入 Unreal Engine 5，让人能走进房间、打开柜门，甚至操作咖啡机。
Milvus HNSW 量化索引选型指南：从 SQ、PQ、PRQ 到 Refine 实测（在新窗口打开）
在 Milvus 里，HNSW 通常用于追求较高 Recall 的向量检索。
大模型手语翻译新进展：CAPO-SLT拿下中文三项最高分 | EMNLP'26（在新窗口打开）
自动手语翻译中，一直存在一个隐蔽难题：模型即使已经较好地对齐了视觉与文本，也可能在逐词生成时，被某个局部合理、却缺少视觉证据支持的词带偏。
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。