刚刚，腾讯姚顺雨署名首篇论文发布，「下半场」先搞上下文学习（在新窗口打开）
不久前在 AGI-Next 前沿峰会上，姚顺雨曾分享过一个核心观点：模型想要迈向高价值应用，核心瓶颈就在于能否「用好上下文（Context）」。
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。
AI看不懂的色盲测试背后，藏着一场像素与诗意的战争。（在新窗口打开）
AI，是色盲吗? 这个问题听起来很蠢。 毕竟现在的AI能识别人脸、读懂图片、生成图像，甚至可以按RGB色值给你改颜色。 怎么可能是色盲，看不见颜色呢? 但最近发生的一件事，让我开始开始觉得，这事不对。。。 昨天正好在办公室和同事闲聊，聊到了颜色，我们刚来的实习生小朋友说，说他是红绿色盲，然后我们的话题，就不知道怎么就聊到了色盲测试。 在现场找了几张图一起测试， 就那种一堆小点点里藏数字的图。 能看到的兄弟们可以把数字回复在公屏上。 我们那个实习生小朋友，居然真的有看不见的。 当时大家还挺欢乐的，说，要不然，发给AI看看。 然后我们就发了，本来觉得，这么明显的数字，对现在这种级别的AI来说，肯定
像开发软件一样造世界，Agent2World来了，把世界模型做成可运行的符号环境（在新窗口打开）
让模型真正 “能行动”，往往需要一个可执行、可验证的符号世界模型（Symbolic World Model）：它不是抽象的文字描述，而是能被规划器或执行器直接调用的形式化定义 —— 例如 PDDL 领域 / 问题，或可运行的环境代码 / 模拟器。
Clawdbot 如何搭建永久记忆管理系统：全靠 MD 文档（在新窗口打开）
Clawdbot（现改名为 OpenClaw） 体验下来，持久的记忆管理系统很是让人惊艳——全天候保持上下文，无限期地记住对话并在此基础上持续深化互动。
何恺明带大二本科生颠覆扩散图像生成：扔掉多步采样和潜空间，一步像素直出（在新窗口打开）
何恺明，再次出手精简架构。 新方法Pixel Mean Flow（pMF），突破传统扩散模型/流模型限制。 两大传统组件多步采样和潜空间都被砍了，现在只需一步，直接在像素空间生成图像。 在ImageNet 256×256分辨率上，pMF达到了2.22 FID；512×512分辨率上则是2.48 FID。这是目前单步、无潜空间扩散模型在该基准上取得的最佳成绩之一。 砍掉扩散模型的两大件 现代扩散模型生成图像，一直离不开多步采样和潜空间编码。 多步采样意味着生成一张图需要跑几十甚至上百次神经网络，潜空间则需要先把图像压缩到一个低维空间再进行操作。两者的共同目的是把一个极度复杂的生成问题拆解成若干个
VL-LN Bench：模拟「边走边问找具体目标」的真实导航场景（在新窗口打开）
如果将一台在视觉语言导航（VLN）任务中表现优异的机器人直接搬进家庭场景，往往会遇到不少实际问题。
MiniMax M2-her：我们做出了更懂你的 AI（在新窗口打开）
今天，我们分享 MiniMax-M2-her 背后的技术思考。M2-her 也是服务星野/Talkie的底层模型。
挑战用阿里版Claude Cowork跑通Clawdbot5个神级玩法，我Mac Mini可能白买了（在新窗口打开）
起因是这样的， 当我还在跟Mac Mini版满血版Clawdbot PK的时候，发现有人统计了排名前十的Clawdbot常见任务，分别是邮件处理，日历管理（日程提醒和会议安排），控制Claude Code开发，每日简报等，
开源免费！推荐一款基于DeepSeek大模型RAG知识库与知识图谱平台，打通飞书、企业微信、钉钉（在新窗口打开）
语析Yuxi-Know 是基于大模型RAG知识库与知识图谱技术构建的智能问答平台，支持多种知识库文件格式，如PDF、TXT、MD、Docx，支持将文件内容转换为向量存储，便于快速检索。
DeepSeek之后，智源大模型登Nature：事关“世界模型”统治路线！（在新窗口打开）
▲图片由AI生成 一场押注AI未来的技术豪赌。 智东西2月1日报道，北京时间1月29日，北京智源人工智能研究院推出的多模态大模型“悟界·Emu”登上Nature正刊，成为继DeepSeek之后第二个达成此成就的中国大模型团队研究成果，也是中国首篇围绕多模态大模型路线的Nature论文。 ▲Nature官网截图 Nature编辑点评道：“Emu3仅基于‘预测下一个token’实现了大规模文本、图像和视频的统一学习，其在生成与感知任务上的性能可与使用专门路线相当，这一成果对构建可扩展、统一的多模态智能系统具有重要意义，有望推动原生多模态助手、世界模型以及具身智能等方向的发展。” ▲Emu3有望推动
Nature | 清北合作研发全球首个全柔性存算一体AI芯片（在新窗口打开）
一张薄如纸片、能卷在手指上的柔性芯片（不是柔性印刷电路板，是柔性集成电路），能做什么？
Vibe Researching必备的科研MCP和Skills，实现10倍学术产出（在新窗口打开）
大家好，我是鲁工。 Vibe Coding概念火了之后，顺带在很多领域兴起了Vibe的潮流。比如Vibe PPT、Vibe Video，以及我今天要聊的Vibe Researching。
穿帮，抽动，DeepMind这篇论文瞄准了AI视频最后的破绽｜Hao好聊论文（在新窗口打开）
去年下半年，模型界最大的惊喜莫过于Sora 2和Veo 3，他们已经把视频生成推到了新高度：光影完美，纹理细腻，甚至有着很高的时空一致性。
o1之后下一个范式？隐式CoT大突破，让推理不再「碎碎念」（在新窗口打开）
今天推荐一个 Implicit Chain-of-Thought（隐式推理） 的最新进展 —— SIM-CoT（Supervised Implicit Chain-of-Thought）。它直击隐式 CoT 一直「扶不起来」的核心痛点：隐式 token 一旦 scale 上去，训练就容易塌缩到同质化的 latent 状态，推理语义直接丢失。
抛弃向量推荐！蚂蚁用8B小模型构建「用户“话”像」，实现跨任务跨模型通用并拿下SOTA（在新窗口打开）
怎样做一个爆款大模型应用？这恐怕是2026年AI开发者们都在关注的问题。当算力和性能不再是唯一的护城河，“爆款”意味着大模型要能精准地“抓住”每一名具体的用户，而个性化正是其中的关键技术之一。
5秒出4张2K大图！阿里提出2步生成方案，拉爆AI生图进度条（在新窗口打开）
AI生成一张图片，你愿意等多久？在主流扩散模型还在迭代中反复“磨叽”、让用户盯着进度条发呆时，阿里智能引擎团队直接把进度条“拉爆”了——5秒钟，到手4张2K级高清大图。
VLM剪枝新SOTA：无需重训练，注意力去偏置超越6大主流方案（在新窗口打开）
近年来，Vision-Language Models（视觉—语言模型）在多模态理解任务中取得了显著进展，并逐渐成为通用人工智能的重要技术路线。
LLM-in-Sandbox：给大模型一台电脑，激发通用智能体能力（在新窗口打开）
大模型的能力正在被不同的范式逐步解锁：In-Context Learning 展示了模型无需微调即可泛化到新任务；Chain-of-Thought 通过引导模型分步推理来提升复杂问题的求解能力；近期，智能体框架则赋予模型调用工具、多轮交互的能力。
刚刚，创智+模思发布开源版Sora2，电影级音视频同步生成，打破闭源技术垄断（在新窗口打开）
今天上午，上海创智学院 OpenMOSS 团队联合初创公司模思智能（MOSI），正式发布了端到端音视频生成模型 —— MOVA（MOSS-Video-and-Audio）。
当每个人都能指挥一支 AI 大军，什么能力最重要？（在新窗口打开）
我有个观察：善用 Coding Agent 的人有个共同点——他们擅长定义问题、拆解问题、验收结果。这类人通常有技术管理经验。
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。