医疗AI迎来大考！南洋理工发布首个LLM电子病历处理评测 | AAAI'26（在新窗口打开）
南洋理工大学研究人员构建了EHRStruct基准，用于评测LLM处理结构化电子病历的能力。该基准涵盖11项核心任务，包含2200个样本，按临床场景、认知层级和功能类别组织。研究发现通用大模型优于医学专用模型，数据驱动任务表现更强，输入格式和微调方式对性能有显著影响。
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。
让扩散模型「可解释」不再降质，开启图片编辑新思路（在新窗口打开）
过去三年，扩散模型席卷图像生成领域。以 DiT (Diffusion Transformer) 为代表的新一代架构不断刷新图像质量的极限，让模型愈发接近真实世界的视觉规律。
RL是「点金石」还是「挖掘机」？CMU 用可控实验给出答案（在新窗口打开）
近期，强化学习（RL）技术在提升语言模型的推理能力方面取得了显著成效。
Veo何止生成视频：DeepMind正在用它模拟整个机器人世界（在新窗口打开）
随着通用型（Generalist）机器人策略的发展，机器人能够通过自然语言指令在多种环境中完成各类任务，但这也带来了显著的挑战。
阿里妈妈发布MUSE：用多模态搞定十万级超长行为序列，并开源Taobao-MM数据集（在新窗口打开）
如果把用户在互联网上留下的每一个足迹都看作一段记忆，那么现在的推荐系统大多患有 “短期健忘症”。
推特吵架吵出篇论文！谢赛宁团队新作iREPA只要3行代码（在新窗口打开）
要说真学术，还得看推特。 刚刚，谢赛宁自曝团队新作iREPA其实来自4个多月前的，一次与网友的辩论。 这场短暂的线上辩论虽然以谢赛宁被网友说服告终，但在3个多月后，居然有了意料之外的后续—— 多个团队合作，沿着这一思路写出了一篇完整的论文，而且核心框架仅需3行代码。 致谢部分还感谢了当时参与讨论的网友。 一篇推特引发的学术论文 事情是这样的。 一位网友在8月份表示： 别再痴迷于ImageNet-1K的分类分数了！自监督学习（SSL）模型应该专门为稠密任务（如REPA、VLM等）进行训练，因为这些任务真正依赖的是patch tokens中的空间和局部信息，而不是[CLS]token所代表的全局分
1100多个模型殊途同归，指向一个「通用子空间」，柏拉图又赢一回？（在新窗口打开）
模型架构的重要性可能远超我们之前的认知。
用Nano Banana做PPT爆火，开源项目狂揽3K+星标！（在新窗口打开）
前有 vibe coding ，随着 nano banana 升级 pro， vibe PPT 也跟着来了。最近我在 GitHub 上挖到一个项目：banana slides 。这是一个基于 nano banana pro 的原生 AI PPT 生成应用。
全网破防，AI「手指难题」翻车逼疯人类！6根手指，暴露Transformer致命缺陷（在新窗口打开）
最近，网友们已经被AI「手指难题」逼疯了。给AI一支六指手，它始终无法正确数出到底有几根手指！说吧AI，你是不是在嘲笑人类？其实这背后，暗藏着Transformer架构的「阿喀琉斯之踵」……
Prompt、Context engineering 又向前进化了，3个关键维度+5个具体杠杆 ｜谷歌（在新窗口打开）
我们正处在一个AI Agent（智能体）爆发的时代。从简单的ReAct循环到复杂的Multi-Agent Swarm（多智能体蜂群），新的架构层出不穷。但在这些眼花缭乱的名词背后，开发者的工作往往更像是一门“玄学”，我们凭直觉调整提示词，凭经验增加Agent的数量，却很难说清楚为什么某个架构在特定任务上表现更好。
AI模型价格下降1000倍，为什么我们支出的成本没有随之降低？（在新窗口打开）
2025年12月12日，波士顿大学的 Andrey Fradkin 团队发布了一项令业界瞩目的研究 《The Emerging Market for Intelligence: Pricing, Supply, and Demand for LLMs》（智能的新兴市场：LLM的定价、供给与需求）。
无预训练模型拿下ARC-AGI榜三！Mamba作者用压缩原理挑战Scaling Law（在新窗口打开）
压缩即智能，又有新进展！ 在最新研究CompressARC中，Mamba作者Albert Gu团队给出了一个不同于大规模预训练的智能配方—— 最小描述长度（MDL）。 研究显示，仅通过在推理阶段最小化目标谜题的描述长度，一个76K参数，完全没有经过预训练的模型，就能在ARC-AGI-1基准上解决20%的问题。 值得一提的是，CompressARC不仅没使用ARC-AGI的训练集，还是目前唯一一个只在单个样本上运行的深度学习方法。 凭借这一突破，CompressARC获得了ARC Prize 2025的第三名，并且据论文一作Isaac Liao透露，这项研究仅使用了一张GPU就得以完成。 这是怎
NeurIPS 2025｜指哪打哪，可控对抗样本生成器来了！（在新窗口打开）
近日，在全球人工智能领域最具影响力的顶级学术会议 NeurIPS（神经信息处理系统大会）上， 清华大学和蚂蚁数科联合提出了一种名为 Dual-Flow 的新型对抗攻击生成框架。
OpenAI开源99.9%权重为0的奇葩模型，我扒完了论文，发现他们想重做AI大脑（在新窗口打开）
AI 的脑回路，终于也开始学会做减法了。
2025AI搜索战略解析：范式革命、生态博弈与信任重构（在新窗口打开）
2025年，AI搜索行业进入了“模型商品化，分发定生死”的新阶段。 全球市场正经历一场双重变革：商业模式： 传统搜索巨头（Google）陷入严重的“创新者窘境”，庞大的广告营收成为其拥抱AI的最大掣肘；而挑战者（Perplexity, OpenAI）则通过“答案即行动”重塑商业闭环。
AAAI 2026｜视频大语言模型到底可不可信？23款主流模型全面测评来了（在新窗口打开）
近年来，视频大语言模型在理解动态视觉信息方面展现出强大能力，成为处理真实世界多模态数据的重要基础模型。然而，它们在真实性、安全性、公平性、鲁棒性和隐私保护等方面仍面临严峻挑战。
高精度知识库≠Milvus+llm！这份PaddleOCR+混合检索+Rerank技巧请收好（在新窗口打开）
在大型语言模型（LLM）的应用落地中，RAG（检索增强生成）是解决模型幻觉和知识时效性的关键技术。
RL是「点金石」还是「挖掘机」？CMU 用可控实验给出答案（在新窗口打开）
近期，强化学习（RL）技术在提升语言模型的推理能力方面取得了显著成效。
国产芯片也能跑AI视频实时生成了，商汤Seko 2.0揭秘幕后黑科技（在新窗口打开）
自 Sora 2 发布以来，各大科技厂商迎来新一轮视频生成模型「军备竞赛」，纷纷赶在年底前推出更强的迭代版本。
狂揽162K Star！n8n 2.0强势来袭，这次改动有点狠。（在新窗口打开）
大家好，我是继续研究n8n的袋鼠帝 还记得我第一次给大家推荐n8n这款开源工作流自动化神器的时候吗（今年4月）
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。