大模型被确诊「视觉文盲」！多校联合提出MILO，为它植入空间想象力（在新窗口打开）
大模型总是无法理解空间，就像我们难以想象四维世界。
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。
DeepSeek-V3.2巨「吃」Token，竟然是被GRPO背刺了（在新窗口打开）
DeepSeek 一发布模型，总会引起业内的高度关注与广泛讨论，但也不可避免的暴露出一些小 Bug。
超越π0.5，复旦团队首创「世界模型+具身训练+强化学习」闭环框架（在新窗口打开）
Vision–Language–Action（VLA）策略正逐渐成为机器人迈向通用操作智能的重要技术路径：这类策略能够在统一模型内同时处理视觉感知、语言指令并生成连续控制信号。
Code LLM全景综述，从LLM到Agent，全文长303页，北航阿里字节等12家机构联合撰写｜最新（在新窗口打开）
这篇论文由北京航空航天大学、阿里巴巴、字节跳动、上海人工智能实验室等几十家顶尖机构联合撰写，全文长达303页，是对当前“代码大模型（Code LLMs）”领域最详尽的百科全书式指南。
语义+R-Tree空间索引：Milvus如何帮外卖APP做3公里内美食推荐| Milvus Week（在新窗口打开）
本文为Milvus Week系列第三篇，该系列旨在分享Milvus的创新与实践成果，以下是DAY3内容划重点： Milvus2.6中，Zilliz借助Geolocation Index for Milvus，首次将地理空间数据与向量检索融合，使 AI 可以在理解语义的同时，理解空间。
首个英文原生「弱智吧」！逻辑谬误数据集与生成框架来了 | AAAI'26（在新窗口打开）
最近研究发现，大模型在判断逻辑谬误时容易「想太多」，误报正常句子，但在确定有谬误后，其分类能力较强。研究人员构建了首个高质量英文逻辑谬误基准SMARTYPAT-BENCH，并开发了基于Prolog的逻辑谬误自动生成框架SMARTYPAT，为大模型逻辑能力评估提供新思路，可用于谬误识别、辩论教育等领域。
从MiniMax到DeepSeek：为何头部大模型都在押注「交错思维」？（在新窗口打开）
昨日，有位推特博主晒出了国内几大开源模型在轻量级软件工程 Agent 基准测试 mini-SWE-agent 上的成绩。该基准主要测试大模型在真实软件开发任务中的多步推理、环境交互和工程化能力。
无需训练的3D生成加速新思路：西湖大学提出Fast3Dcache（在新窗口打开）
在AIGC的浪潮中，3D生成模型（如TRELLIS）正以惊人的速度进化，生成的模型越来越精细。然而，“慢”与计算量大依然是制约其大规模应用的最大痛点。复杂的去噪过程、庞大的计算量，让生成一个高质量3D资产往往需要漫长的等待。
挑战ReAct！MetaGPT团队提出ReCode智能体新范式（在新窗口打开）
想象你在准备早餐：你不会先写一份详细到「左手抓鸡蛋、右手拿碗、手腕旋转 45 度敲击蛋壳」这样的清单，也不会只有一个笼统的计划叫「做个早餐」，然后不知所措。
DeepSeek V3.2爆火，Agentic性能暴涨40%解密（在新窗口打开）
DeepSeek V3.2的Agentic能力大增，离不开这项关键机制：Interleaved Thinking（交错思维链）。Interleaved Thinking风靡开源社区背后，离不开另一家中国公司的推动。
老外傻眼！明用英文提问，DeepSeek依然坚持中文思考（在新窗口打开）
就在前天，DeepSeek 一口气上新了两个新模型，DeepSeek-V3.2 和 DeepSeek-V3.2-Speciale。
2027年，人类最后一次抉择！Anthropic发布内部深度调查《AI如何改变工作》（在新窗口打开）
2027年将是人类命运的关键节点！Anthropic首席科学家Jared Kaplan预警，人类将在2027至2030年面临是否允许AI进行递归自我进化的终极抉择。Anthropic最新发布（12月3日）的内部深度调查《AI如何改变工作》，正在揭示这场宏大叙事下微观个体的命运——工程师的「空心化」和学徒制的崩溃。
GPT-5-Thinking新训练方法公开：让AI学会忏悔（在新窗口打开）
OpenAI搞了个新活：让ChatGPT自己“坦白从宽”。
后生可畏！何恺明团队新成果发布，共一清华姚班大二在读（在新窗口打开）
继今年5月提出MeanFlow (MF) 之后，何恺明团队于近日推出了最新的改进版本—— Improved MeanFlow (iMF)，iMF成功解决了原始MF在训练稳定性、指导灵活性和架构效率上的三大核心问题。
突破具身智能任务规划边界，刷新具身大脑多榜单SOTA，中兴EmbodiedBrain模型让具身大脑学会「复杂规划」（在新窗口打开）
在人工通用智能（AGI）的探索征程中，具身智能 Agents 作为连接数字认知与物理世界的关键载体，其核心价值在于能够在真实物理环境中实现稳健的空间感知、高效的任务规划与自适应的执行闭环。
斯坦福用一句Prompt就结束了提示工程。。。（在新窗口打开）
最近口述采样很火。如果您经常使用经过“对齐”训练（如RLHF）的LLM，您可能已经注意到一个现象：模型虽然变得听话、安全了，但也变得巨“无聊”。
突破AI记忆瓶颈，耶鲁博士新成果破解阅读失忆难题（在新窗口打开）
当你阅读《红楼梦》《哈利·波特》《百年孤独》等长篇小说时，读着读着可能就忘记前面讲了什么，有时还会搞混人物关系。AI 在阅读长文章的时候也存在类似问题，当文章太长时它也会卡主，要么读得特别慢，要么记不住前面的内容。
人形机器人控制新突破！敏捷稳定两不误，一个策略让人形机器人完成叶问蹲和跳舞｜港大&英伟达&清华（在新窗口打开）
叶问蹲、跳舞、跑步，一个策略全搞定！ 近日，来自香港大学、NVIDIA和清华大学的联合研究团队提出了一种名为AMS（Agility Meets Stability）的统一人形机器人全身控制框架，首次实现了在单一策略中同时具备动态运动跟踪和极限平衡控制能力。 核心思路： AMS从三个关键方面解决动态运动与平衡控制的统一问题： 1. 异构数据源：从机器人动作空间直接采样生成可扩展的平衡数据，突破人类数据限制，缓解长尾分布问题。 2. 混合奖励机制：选择性应用平衡先验奖励，精准平衡指导不牺牲敏捷性，化解优化目标冲突。 3. 自适应学习策略：动态调整采样概率，同时对每个动作”因材施教”，实现高效的自适
从 LLM 到 World Model：为什么我们需要能理解并操作世界的空间智能？（在新窗口打开）
如今 LLM 的语言理解与生成能力已展现出惊人的广泛适用性，但随着 LLM 的发展，一个事实越发凸显：仅靠语言，仍不足以支撑真正的智能。
当Gemini 3刷屏时，这款AI已开始救命了：原子级攻克「不可成药」靶点（在新窗口打开）
医药圈彻底炸了！全网都在玩Gemini，却没看到生物学界再现「AlphaFold时刻」。
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。