首页

投稿

蚂蚁集团用视觉记忆把3B模型拉到72B水平Agent记忆不该是文字：蚂蚁集团用视觉记忆把3B模型拉到72B水平

1.3万

0

2026-06-06 13:30:21

个人观点，仅供参考

未经作者授权，禁止转载

蚂蚁集团用视觉记忆把3B模型拉到72B水平Agent记忆不该是文字：蚂蚁集团用视觉记忆把3B模型拉到72B水平＃大模型＃人工智能＃科研＃论文＃扩散模型＃学习＃毕业＃中科大＃西湖大学＃蚂蚁合集|AI

AIGC深一度发消息

统计学硕士毕业现从事大模型相关研究研究AIGC的小趴菜，学习，分享，学习，分享~

AGENTFLOW：颠覆AI推理范式的流式智能框架。斯坦福大学最新研究，70亿参数模型超越2000亿参数GPT-4o

06:59

量子优化新突破：解码量子干涉测量（DQI）探索量子计算在优化问题中的超多项式加速潜力

05:02

REG框架：扩散模型训练效率的革命性突破探索如何通过表示纠缠机制，让扩散模型训练又快又好

06:35

腾讯优图的一篇最新论文提出了一个非常有意思的思路：既然更新参数这么贵，那就不更新参数，直接把 GRPO 的「学习过程」搬进上下文空间！

07:43

AI，不仅在使用算法，更在创造算法。其创造的新算法甚至比人类的还要快5倍。加州大学伯克利分校的研究团队提出了一种AI驱动的系统研究方法ADRS

05:29

最近的 Meta 可谓大动作不断，一边疯狂裁人，一边又高强度产出论文。10 月 20 日，他们又上线了一篇新论文《The Free Transformer》

04:48

大语言模型的遗忘也许是一个悖论？清华团队揭示Unlearning技术的两难困境

10:02

清华最新研究！如何从理论上统一SFT与RL，以及高效的自适应算法Hybrid Post-Training

07:12

多人物视频生成中的身份一致性优化方法阿里Identity-GRPO论文深度解读

05:56

强化学习如何突破LLM推理极限

05:52

阿里 RollPacker：缓解长尾 Rollout，实现快速同步 RL 后训练

05:24

ICCV 2025最佳论文解读BRICKGPT：文本驱动的物理稳定积木结构生成

05:35

Meta混合架构语言模型研究解析探索Transformer与Mamba的最优结合方案

05:25

扩散语言模型也能强化学习？Meta田渊栋团队用“三明治梯度”打通RL闭环

05:13

智能体强化学习新SOTA！阿里通义提出在线过程奖励学习OPRL，兼容GRPO与PPO

06:22

DeepSeek OCR：上下文光学压缩的新突破探索OCR技术的创新应用与未来发展方向

05:40

【AI研究者必看】OPPO FLASH-SEARCHER:35％效率提升＋67.7％准确率，重新定义 Web 智能体执行范式

05:47

今天，我们带来了一项被 ACL 2025 主会录用的创新工作——GALLa。ACL 2025 | GALLa：给代码大模型装上“透视眼”，看懂程序的“骨架”！

05:00

揭秘小红书如何预测短视频观看时间

06:52

无需人工标注！Meta 新框架 PDO 让 LLM 自动优化提示词，性能碾压传统方法

07:53

英伟达MIT发布全新一代视频扩散模型 SANA-Video，训练成本暴降99%27帧每秒的实时视频生成、35秒合成1分钟高清视频！

07:08

ACE框架：让AI通过动态上下文工程实现自我提升斯坦福大学与SambaNova Systems的革命性研究

05:49

腾讯AI Lab团队开源首个并行思考RL框架Parallel-R1，在复杂推理任务上的性能实现了42.9%的显著提升

06:10

不靠RL、不用训练：哈佛「Power Sampling」让基座模型推理媲美GRPO

05:37

FlowSearch：动态结构化知识流研究框架上海人工智能实验室最新研究成果解析

06:11

GPT 将开放成人内容，这也太直接了吧！

02:40

LLM对抗性攻击：当防御形同虚设

05:41

Meta风雨飘摇中发了篇Agent重量级论文，作者几乎全是华人

08:31

RL-PLUS：突破LLM强化学习的能力边界探索北大与阿里联合提出的混合策略优化方法

06:40

智谱AI与清华联合提出MobileRL，一个集成预热阶段与大规模在线强化学习的手机GUI智能体训练框架。在预热阶段，基座模型在专家演示数据上进行微调，通过迭代推

04:50

人类终极考试表现直逼DeepSeek R1！人大&阿里通义提出Deep Research双系统新范式MARS

04:57

DuetGraph：知识图谱推理的双路径创新解析USTC数据黑暗实验室的最新研究成果

05:43

AgentThink：为自动驾驶装上"会思考的视觉大脑"首个融合链式思维推理与动态工具调用的视觉语言模型框架

06:20

Glyph框架——当AI用图像压缩百亿文本探索将文字转化为图像的颠覆性技术如何改变AI处理长文本的方式

06:14

当AI学会遗忘：浙大团队用"睡眠机制"破解大模型记忆难题

05:56

LightPROF: 轻量级知识图谱增强大语言模型推理框架解读AAAI 2025最新研究，探索LLM在知识图谱问答中的高效推理方案

06:21

何凯明新作: 分形生成模型：递归模块化的图像生成革命。探索分形数学与深度学习的创新结合，如何重塑图像生成领域

04:55

DCoLT：扩散语言模型的横向思维推理框架突破线性推理限制，模拟人类创造性思维的新范式

06:01

QeRL框架：量化增强强化学习技术解析NVIDIA与MIT联合团队的革命性大模型训练方法

06:05

AI不"瞎编"了！KnowRL让大模型从此说真话大语言模型总爱"一本正经地胡说八道"？浙大&蚂蚁集团新研究《KnowRL》彻底解决！

06:23

R3框架：通过强化对比学习优化RAG检索探索2025年NeurIPS会议最新研究及其在AI系统中的应用价值

05:42

刷新SOTA高出19.05分！英伟达开源OmniVinci全模态理解模型，只用1/6的数据，实现全方位超越

07:13

Huxley-Godel Machine人类级编码智能体的自主进化之路LSTM之父Jürgen再突破，「赫胥黎-哥德尔机」让AI学会自己进化

07:08

蚂蚁Ling 2.0技术报告解密万亿模型开源配方AI

05:49

NeurIPS 2025 | 大模型推理“想太多”反而更笨！AI“想得快又准”的秘诀找到了！

04:24

Meta 再出狠招：REFRAG，让 RAG 长上下文提速 31 倍，还能看 16 倍更多内容

06:14

MindSearch：模拟人类认知的智能搜索框架ICLR 2025论文解读：信息检索效率提升60倍的革命性突破

05:17

推荐系统新突破：OneTrans用单一Transformer实现特征交互与序列建模统一框架

03:44

最具争议性研究：大模型中间层输出可 100% 反推原始输入

07:27

Meta SPICE：语料库自博弈提升大模型推理

07:43

清华DeepDive论文解读知识图谱与多轮强化学习提升开源大语言模型的复杂任务能力

06:54

厨房里的AI预见者：F1模型如何让机器人应对移动目标上海 AI Lab联合哈尔滨工业大学（深圳）提出一种融合视觉生成与决策的预训练VLA模型F1

08:22

Moonshot AI刚刚在Hugging Face上发布了Kimi Linear技术报告。这个48B参数的模型采用了一种混合线性注意力架构，声称能全面超越传统

09:17

PixelCraft：多智能体系统如何革新结构化图像推理微软研究院与清华大学联合研究，突破多模态大语言模型在图表与几何图形推理的技术瓶颈

06:07

AI推理黑箱终于被可视化了！Meta团队神作：新方法可以控制大模型内部自查，甚至自我纠错！AI迎来可调试时代

05:53

NeurIPS 2025 | Meta AI提出MoME：像套娃一样自适应，让音视频语音识别更轻更快

08:13

高德提出FSDrive：融合世界模型与时空思维链的自动驾驶VLA

07:42

人的本质是一切社会关系的总和SJTU&SII&GAIR的的新作 Context Engineering 2.0 它来了！

06:18

NeurIPS 2025 Spotlight | 你刷到的视频是真的么？用物理规律拆穿Sora谎言

07:41

谷歌AlphaEvolve太香了，陶哲轩甚至发了篇论文，启发数学新构造

05:45

自回归不必按token算了：微信AI × 清华用CALM直接「整段」预测

06:24

Meta新论文提升智能体学习效率的创新框架

05:15

KV Cache Transform Coding技术解析

04:54

4倍提速还不丢性能？清华InfLLM-V2让LLM长文本处理如丝滑！

06:26

EMNLP2025 | 融合关系语义的多模态关系抽取。从分类到检索：东北大学ROC框架如何突破多模态关系抽取瓶颈？

06:02

新论文从静态到动态：自回归图生成如何解决多智能体通信难题？

07:29

邱锡鹏团队重磅研究：视频生成模型竟成最强推理者？

06:59

阿里ROLL Flash：异步技术加速强化学习后训练，突破资源瓶颈的革命性框架

05:51

与DeepSeek-OCR不谋而合，NeurIPS论文提出让LLM像人一样读长文本

04:12

哈工大、中科院等利用模型“潜意识”提高推理模型效率，0.6B撬动复杂推理

06:24

强化学习科普入门

07:15

改掉幻觉=杀死AI？Science曝光大模型「先天死穴」

05:27

阿里巴巴×交大最新研究！注意力机制揭秘大模型"思考节奏"｜预规划-锚定机制如何让推理性能飙升？

06:02

，阿里新算法AsyPPO：用"迷你评论家"让大模型推理提速20%！

08:30

杨立昆团队新突破！Cambrian-S: 让AI真正"看懂"3D世界的空间超感知革命

08:47

LeCun在Meta的最后一篇论文

06:39

小红书团队新突破 DeepEyesV2：从"看图思考"到"工具协同"的多模态智能革命！

07:31

10% 数据反超全量训练！清华唐杰教授团队提出离策略RL框架，实现2.66倍LLM训练加速

09:10

人类数千年的科学探索，如今被AI「顿悟」瞬间复刻。北京大学研究团队推出的名为AI-Newton的AI系统，重新发现了牛顿第二定律、能量守恒定律和万有引力定律等

06:38

谷歌 ICLR 2025 新研究：用「Sufficient Context」打开RAG性能提升新视角，幻觉率直降 2-10%

10:13

何必DiT！字节首次拿着自回归，单GPU一分钟生成5秒720p视频 | NeurIPS'25 Oral

08:12

Token消耗暴降95.7%！南大&蚂蚁提出多智能体图思维链框架，推理准确率提升近四成

07:34

平台级创新：北航、北邮、北交大与百度联合团队推出基于规划者的复杂工具增强型大语言模型推理框架，超越反应式ReAct

08:44

突破LLM问答系统瓶颈！华为提出融合RL的问题纠错新范式QuestionRAG

13:33

新加坡国立大学×蚂蚁集团最新研究！提出PREPO方法，通过动态难度调度+熵加权机制，让大语言模型训练效率提升3倍！

07:51

让大模型指哪打哪的Multi-Agent路由新范式

10:41

何恺明团队又搞大动作！新作 JiT 模型打破噪声预测执念，依托流形假设，低容量网络也能 hold 住 1024 维高维生成

08:47

港大&字节&清华发布VST：通过410万样本“预习”+13.5万样本“刷题”，视觉语言模型空间感知力暴涨

04:56

Meta超级智能实验室又发论文，模型混一混，性能直接SOTA

05:43

英伟达提出“思考用扩散，说话用自回归”：实现语言模型效率与质量的双赢

07:24

MIT何恺明团队再发重磅成果VARC：ARC原来是个视觉问题！性能匹敌人类水平

09:00

人大高瓴孙浩团队，Nature子刊+1！提出了一种称为并行符号枚举（Parallel Symbolic Enumeration，PSE）的符号回归方法

10:15

计算效率提升8倍！复旦黄萱菁教授团队提出AgentPRM：重新定义智能体过程奖励

07:08

NeurIPS 2025 | UniLumos: 引入物理反馈的统一图像视频重打光框架，实现20倍加速的真实光影重塑

07:28

英伟达联手顶尖高校，VIRAL让机器人“眼观六路”：纯视觉Sim-to-Real，人形机器人行走操作新突破！

09:31

首个流式 VLA 在线强化学习框架全开源！清北等团队联合攻关：π 系列模型成功率飙升

07:42

吞吐量较veRL暴涨 97%！Kimi提出面向快速同步RL的在线上下文学习系统Seer

04:30

北大华为联合出品！DeCo像素扩散模型：突破图像生成天花板

06:25

1.7倍无损RL训练加速！英伟达韩松提出自适应推测解码系统TLT，挖掘rollout空闲算力

06:41

DeepSeek-V3.2震撼发布！推理能力全面超越GPT-5，与谷歌Gemini平分秋色

06:17

【腾讯混元x中科院】PRFL 模型横空出世！视频生成效率提升140%，动态质量碾压传统方法

09:03

多模态统一模型的“理解”真的能指导“生成”吗？北大推出UniSandbox，揭示理解-生成鸿沟与进化之路

08:40

AAAI 2026 | 首个多球拍运动分析基准：RacketVision揭示多模态融合陷阱

06:46

原来，在AI的理性鄙视链里，人类正处于最底端

06:48

LongVT：让多模态大模型学会「主动回看」，像人类一样理解长视频！

08:19

NeurIPS 2025 | 蚂蚁 Code Graph Model：重塑代码大模型架构，利用“代码图”突破仓库级编程瓶颈

05:04

邱锡鹏团队再发力：ROBOOMNI 让机器人会"察言观色"，主动帮你解决需求

08:38

媲美DeepSeek NSA！腾讯优图提出混合注意力机制SSA，长上下文外推更强

09:50

姚期智署名！北大杨耀东团队领衔发声：AI欺骗已成现实！

06:34

AAAI 2026 | 中科大团队推出LLM终身学习新范式：不仅要改得准，还要改得稳！

04:15

为什么传统视频生成总像"复制粘贴"？浙大提出Reward Forcing用EMA-Sink破解帧依赖难题

10:40

图灵奖得主Yann LeCun离开Meta后首篇论文？使用了宇树机器人做研究

07:16

LLM强化学习不稳定之谜，被Qwen团队从「一阶近似」视角解开

06:42

近乎零成本破解模型幻觉！清华团队最新研究：逆向验证法，让 AI 停止“瞎扯”，只需先验证再作答

07:34

源神阿里！图像生成Ovis-Image再开源，7B小参数媲美GPT-4o和20B开源模型

08:16

AAAI 2026 | System 1 & 2协同！快慢思考赋能VLM，重塑细粒度识别范式

08:59

不用专家演示也能训机器人？SRPO自参考策略的底层逻辑太秀了！

08:07

4位量化也能生成高清图？ConvRot破解扩散模型部署难题

06:22

RAG只能处理文本？是时候换模型了，RzenEmbed多模态嵌入模型正式开源

04:59

NeurIPS 2025 | 拒绝死记硬背！真正的高手模型，都在偷偷记错题本

09:23

震撼，英伟达新模型能打遍几乎所有游戏

07:07

LeCun的JEPA已进化为视觉-语言模型，1.6B参数比肩72B Qwen-VL

07:02

数学推理到通用智能：北大&腾讯新方法突破RL瓶颈

04:15

超越GRPO！阿里提出VSPO增强工具调用推理智能体，并引入 PRS重构RL奖励

05:32

阿里发布MUSE：用多模态搞定十万级超长行为序列，并开源Taobao-MM数据集

09:24

清华快手联合发布通用交互式世界模型Astra

07:18

NeurIPS 2025｜性能暴涨30%！中科大团队提出AutoRefine，攻克多跳推理核心痛点

08:13

辛顿高徒压轴，谷歌最新颠覆性论文：AGI不是神，只是「一家公司」！

06:07

谷歌年度重磅揭秘智能体系统的缩放定律与协作陷阱

07:45

清华系DeepSeek时刻来了，硅谷沸腾！单卡200倍加速，视频进入秒级时代

09:15

告别静态刷榜！CATArena开启“技能五子棋”模式：顶流模型互写代码大乱斗

08:24

2026必学AI技能：视频时间定位技术如何重构智能监控

05:21

从3小时到4分钟！Spatia如何重构视频生成技术天花板？

07:36

NeurIPS 2025 | AI的“精打细算”之道：AgentTTS 如何用智能体优化计算预算

08:32

北大团队重磅发布！DataFlow框架重构LLM数据处理新范式

07:19

字节跳动提出 SpatialTree：大模型空间能力如何像树木一样枝繁叶茂

12:15

500K数据集训练的AI有多强？ReCo技术让视频编辑像说话一样简单

06:35

字节跳动又整活了！DreaMontage让你秒变视频大神

06:37

中科院＆腾讯联合研究：大模型内部策略的进化之旅

06:29

刚刚，梁文锋署名，DeepSeek元旦新论文发布，提出「mHC」新架构，果然一如既往地逢节搞动作..

06:13

百度发布LoongFlow框架：8分钟看懂AI自主进化的核心秘密

09:26

斯坦福大学又搞事情！长视频生成终于不再卡壳

07:46

Adobe联合剑桥大学提出 SpaceTimePilot：让视频模型第一次真正拥有时空解耦控制

07:08

字节Seed：大概念模型来了，推理的何必是下一个token

06:37

梁文锋署名，DeepSeek新论文发布，提出「mHC」新架构，果然一如既往地逢节搞动作..

06:13

8分钟读懂YUAN3.0 FLASH！企业级大模型的天花板来了？

12:08

让 AI 自己打怪升级，Meta用Self-play RL把Coding推向超级智能

06:36

NeurIPS 2025 | 跨域图学习总"失忆"，GraphKeeper: 我有办法

08:15

多模态检索新突破！Qwen3-VL-Embedding/Reranker AI 真正“看懂“你在搜什么，从图片到视频全拿下！

10:56

OpenAI理论失效、μP失灵？邱锡鹏团队重新定义预训练两大核心超参

06:45

多目标强化学习新突破！NVIDIA揭秘GRPO“缺陷”,GDPO让大模型训练不再"顾此失彼

07:26

从拧瓶盖到织毛衣：字节跳动新机器人手GR-Dexter如何用AI学会人类精细动作？

06:51

斯坦福团队揭穿AI"物理盲"真相：21个模型全军覆没的反常识实验

07:45

华为提出AMLA 将昇腾硬件 FLOPS 利用率推至 86%

13:31

国内唯一！阿里千问斩获NeurIPS 2025最佳论文奖

05:57

Google又发布了一篇可能改变AI未来的论文，这次它教AI拥有了记忆。

14:38

梁文锋署名新论文，DeepSeek V4架构首曝？直击Transformer致命缺陷

07:45

工具调用能力跃升超40%！北邮联合华为诺亚开源智能体PEFT框架，解耦推理、执行与总结能力

08:29

清华Nature研究实锤：AI让科学家个人“开挂”，却让整个科学“变窄”？

13:44

Nature正刊重磅：只教它写了几行漏洞代码，GPT-4o竟觉醒“反社会人格”？

06:59

LLM 竟然会内省！Anthropic 整了个大活：首次揭开 AI 意识

08:05

让机器人看视频学操作技能，清华等全新发布的CLAP框架做到了

07:40

LLM规划能力飙升79%！Google：内在自我批评技术拿下多项SOTA

07:46

4B超越Qwen3-32B！阿里开源轻量级推理模型

07:13

Al Agent技能暗藏后门？26％漏洞率曝光，3万技能大起底

13:43

腾讯LLM团队：对下一个 Token 预测的深入剖析，多样性 or 精准度？

09:16

图谱检索全面 or 效率？蚂蚁&浙大Deep GraphRAG：全都要

05:34

TMD 谁说慢工出细活，英伟达：TMD 视频生成也能又快又好

08:47

抛弃传统视觉编码！DeepSeek-OCR 2用LLM架构重塑图像理解，误差直降29%

08:33

"一图胜千言，一步胜万步"：何凯明颠覆性突破，AI绘图告别"多步累赘

07:26

Token消耗直降54%！上海交大&字节开源编程智能体自适应剪枝框架，可无缝接入Claude Code

08:13

刚刚，加入腾讯的姚顺雨发表首篇Paper~

06:17

智能体协作的下一个范式？耶鲁等机构提出革命性框架AGENT KB

10:19

Meta提出TinyLoRA，13个参数，让Qwen学会推理，没错，不是13B

09:43

Agent长期记忆潜力被AMemGym挖出来了

10:02

年前一波，谷歌&Meta：大模型Agentic推理最新综述

13:49

ICLR 2026 Oral重磅解读：TI-DPO如何让AI精准"读懂"人类偏好

08:52

从"氛围编程"到"智能体工程"：智谱GLM-5如何重新定义AI开发范式

05:58

如何实现无人机+自动驾驶车同时操控

06:36

AI自己优化AI：斯坦福Meta-Harness让大模型性能提升6倍，人类工程师要失业了

06:16

AI思考力暴涨150%！阿里新算法让模型从"想4000字"进化到"想1万字

06:25

HyperAgents:AI自改进新纪元

05:31

AI新框架!从"静态模板"到"动态运行图",LLM智能体工作流优化

05:49

"复旦×StepFun联合发布 AI终于能精准识别微表情了

09:30

ICLR 2026 | ACCORD: 从统计依赖视角破解定制化图像生成中的“概念耦合

07:17

OpenClaw开发者钱包刺客：为什么越便宜的模型账单越吓人

06:48

LeCun世界模型：48倍规划速度，单卡就能跑

09:57

香港科技大学 | ICLR 2026：小模型也能处理长文档？LITECOST框架实现低成本高精度问答

05:16

GPT-5也能挂科？这个测试让最强AI也"栽跟头"——从幻觉到创造力：AI创新能力测评的范式突破

07:53

首篇！让AI不训练也能越用越聪明：XSKILL双流学习框架详解

05:30

Agent搜索哪家强？人大高瓴&快手联合发布全新评测基准GISA

12:51

马斯克点赞的Kimi论文有多神？

07:49

LLM工具使用大翻车？ICLR最新研究揭示真实场景下的惊人真相

07:42

让AI当评委？这个方法让大模型准确率提升7%！

07:47

最强多模态模型也拿不到30分？DeepImageSearch定义相册搜索新范式，开启个人视觉记忆的深度搜索时代

09:25

北大×字节跳动联手！14B模型19.5 FPS，Helios实现实时长视频生成突破

09:23

多模态预训练，才是大模型的下一条路？Yann LeCun、谢赛宁参与

08:56

数据可视化好坏怎么评?这篇ICLR论文给出了标准答案

07:16

ICLR 2026｜人大&通义：别再只会堆上下文了！IterResearch用40K上下文轻松实现2048轮交互不退化

06:35

为什么每次AI都要从零开始？最新颠覆性解法，让智能体拥有"进化密码

09:45

让搜索Agent不「傻等」：人大团队依托扩散模型实现「一心二用」，边等搜索结果边思考，加速15%性能不减

08:54

比Sora更接近"世界模拟器"？OpenWorldLib统一世界模型标准

08:19

你的AI Agent可能正在被"劫持"——一个独立Watcher来守护它

09:39

微软清华新架构：YOCO-U让大模型推理快10倍

10:29

大模型内存暴降10倍！TriAttention让消费级GPU也能跑长推理

08:37

真的不用人了？AI独立完成23小时科研任务

07:36

4B小模型逆袭！IMO数学定理证明新突破

04:26

AI在"隐空间"思考，我们能看到它在想什么吗？

07:39

数字序列也能"洗脑"?Anthropic揭示大模型隐藏传播机制。蒸馏的安全性，不能只看数据内容了

06:35

LLM推理太贵？多模型协作降本3倍

05:43

微软亚研院AAAI 2026杰出论文｜用LLM重塑CLIP，跨模态学习的新解法

05:56

思维链可能只是LLM推理的"假象"

09:22

中科院&清华新框架CAPO：让推理强的LLM不再"嘴硬

07:58

人大&字节开源Agent-World Agent自我进化

06:17

无需训练，速度提升10倍！复旦提出HERMES，让大模型"秒懂"流媒体视频

04:00

SkVM：上海交大提出AI Agent的「编译器和虚拟机」，让10万+ Skills真正跑起来！

10:18

AI怎么知道自己答对没？复旦字节新方法让验证器会"思考"

13:25

为什么AI数不清图里几个人？DeepSeek这篇论文找到病因了

07:10

浙大x蚂蚁|StructMem: Al记忆不再只记碎片，还能串成故事

04:37

自动驾驶定位新突破！误差降70%

10:18

阿里开源PromptEcho：用冻结多模态大模型为文生图训练提供高质量Reward

10:37

CVPR 2026 Oral｜告别模型合并冲突！南大等提出OrthoReg：极简正交正则化，揭开任务算术的底层机制

07:21

智谱发布GLM-5V-Turbo技术报告：终于有个AI模型"生来就看图"了，不靠拼接靠原生

07:23

Jeff Dean大作！谷歌提出全新分布式预训练框架，百万芯片高故障模拟下有效吞吐率仍达88%

09:48

"犹豫即败"：UCLA提出T2PO，从token和turn两级驯服Agentic RL训练

08:48

榨干异构GPU潜能！北大联合提出大模型推理kernel级解耦系统，吞吐较PD范式提升2.3倍

04:58

何恺明首个语言模型：105M参数，不走GPT自回归老路

06:53

Qwen3-30B专项反超Gemini-2.5-pro！腾讯混元提出智能体无奖励自进化训练范式：先构建世界知识再执行任务

04:23

训练数据枯竭怎么办？首篇「数据价值密度」综述理清思路

09:27

Deepmind. AutoHarness解读

05:12

别再刷 HumanEval了！北大团队RepoZero揭示：LLM从零建库成功率不足60%

05:05

通用智能倒数，创意能力却并列第一？这项Nature研究颠覆认知。近期，中国人民大学高领人工智能学院孙浩教授团队在《自然﹣通讯》

05:47

RSS-2026|港科大（广州）开源首个无需训练的开放词汇3D占据地图构建系统＃大模型＃人工智能＃科研＃论文＃学习＃毕业

05:19

ACL 2026 Findings|浙大提出GFT: On-Policy SFT视角下的奖励微调

04:42

字节会师何恺明！开源连续扩散语言模型Cola DLM

06:05

长期记忆不该只是文本，MemEye告诉Agent：你要用眼睛来回溯

05:08

谢赛宁团队放出第二代表征自编码器

04:56

干掉手工调参！清华xVAST让3D高斯自己学会密度控制，效果碾压TRELLIS

04:07

长文本推理一定要改架构？阿里最新提出RTPurbo：仅需百步训练，无损达到97%＋稀疏度与9倍加速

05:53

推理集群90％时间在摸鱼？港科大 x阿里ROSE让GPU"兼职"训练，吞吐量最高飙3.3倍

04:44

字节跳动放出大招：Agent技能会自己进化了，人类工程师要失业？

02:35

电脑操作Agent准确率暴涨66%！阿里通义这招太狠了

05:36

英伟达清华团队提出Gamma-World：世界模型从「一个人玩」到「多人共处

05:19

西湖大学提出的PIEVO新范式，通过异常驱动的原理扩展机制，让AI能自主进化世界观。它在科学发现中实现30％效果与83％效率的显著提升

06:18

微软推出SkillOpt，将Agent技能作为可训练参数，通过深度学习优化逻辑进行系统性进化。该方法保证技能持续提升，且优化效果可跨模型、跨环境迁移

06:00

蚂蚁集团用视觉记忆把3B模型拉到72B水平Agent记忆不该是文字：蚂蚁集团用视觉记忆把3B模型拉到72B水平

05:12

北大Agent新范式：不改模型权重，效果翻倍北大搞出Agent新范式：不改模型权重，效果接近翻倍

05:29

图灵奖Bengio新作：并行多轨迹推理新范式

04:56

中科院开源Agent训练场，微信、原神都能跑浏览器秒变手机！中科院开源Agent训练场，微信、原神都能跑

04:29

RAG外部检索是多余的，英伟达最新成果颠覆认知

03:49

小红书提出深度研究智能体架构新范式超越字节Doubao-Research

04:03

上交大＆华为提出计算感知交换机内计算框架，多GPU训练LLM提速1.38倍

04:51

北京大学团队提出MoleCode，一种结构化图语言，让大模型能直接操作分子。它解决了传统分子表示法（如SMILES）拓扑信息隐式导致的推理瓶颈

05:39

上交蚂蚁ICML新作，实时流式视频生成SOTA 4步采样→1步搞定！

03:43

音画同步提升26%！浙大腾讯用AI智能体造了个10万级视频编辑数据集

05:58

小模型性能十倍跃升！人大提出通用Multi-Agent RL优化框架，让多智能体系统从会协作走向可训练

05:19

清华微软给3D生成换了套底层逻辑CVPR2026最佳学生论文，9600标记吊打22万！

04:19

CVPR2026最佳论文提名不用训练就能打游戏不用训练就能打游戏？英伟达这个AI从视频里偷师了。

05:27

CVPR2026最佳论文提名meta提出3D物体重建

05:07

谷歌DeepMind提出D4RT框架，通过按需查询范式，实现200帧／秒的动态4D重建。该方法统一了多种任务，解决了传统方法在动态场景下的对应难题

05:18

扩散模型里的噪声，原来还有这样的作用，DRDD重新定义统一图像翻译

05:17

西湖大学发现多模态大模型攻击舒适区图片越糊越危险？西湖大学发现多模态大模型「攻击舒适区

05:00

阿里Qwen也来卷Skill，大模型起飞给大模型打分，很多人第一反应是：把rubric、参考答案、checklist、工具说明全塞进prompt

05:09

字节新作：AI学会写代码做视觉推理，涌现了从未教过的能力

11:06

ICML 2026发现大模型训练中恶性循环AI学会"偷懒"了：

05:20

RAG太笨？用"图流"让检索推理开窍

05:21

不让模型看完整网页，反而搜索更准了

08:20

浙大新论文|让AI绘图快5倍的即插即用方案

06:06

字节跳动ActWorld：世界模型终于能"动手"了世界模型终于能"动手"了：字节跳动ActWorld用动作感知记忆打破交互天花板

05:46

阿里用单一视觉tokenizer统一多模态建模理解生成终于不分家了：复旦＆阿里UniAR用单一视觉tokenizer统一多模态建模范式

06:50

通义千问用双流扩散架构统一具身世界模型四个基准两个总分第一：通义千问Qwen-RobotWorld用双流扩散架构统一具身世界模型

07:26

字节Seed新架构：让"看"和"画"走同一条路字节Seed新架构：Noisy ViT让"看"和"画"走同一条路，GenEval 0.87 + MME 1699

08:36

腾讯＆清华免训练框架67％的问题直接跳过67％的问题直接跳过！腾讯＆清华免训练框架LazyMCoT：简单样本秒答，难题精准定位，推理又快又准

04:50

阿里达摩院. AI医生答错了，但错在哪里AI医生答错了，但错在哪？

05:02

阿里定位多模态瓶颈，不是看不懂而是看不全不是看不懂，是看不全：阿里IndustryBench-MIPU精准定位多模态模型核心瓶颈﹣﹣精度不是问题，完整性才是。

05:21

谷歌重磅报告少则十年从AGI迈向ASIAGI还没到，DeepMind已经在想AGI之后的事了

06:37

NVIDIA建了一个视频推理数据工厂：三级描述合成MSTED防幻觉，Agent自动适配新领域，层级精炼持续进化﹣-8B模型MCQ准确率暴涨38.8个百分点

05:43

AI觉得毕加索不如网红插画ICML 2026重磅Position Paper：通用审美对齐正在制造"美学窄化"，连真实画作都在评分中输给AI生成图

05:34

阿里发布DynFrame视频理解的智能变焦视频理解的"智能变焦

07:52

一行公式解决大模型蒸馏的致命缺陷

05:37

牛津大学让Transformer走进物理世界当Transformer走进物理世界！牛津PhysiFormer：从数据中学习力学规律，让AI真正理解力学

05:36

阿里提出MIMFlow，端到端生成媲美扩散模型不用VAE、不用离散化！南大阿里上海AI Lab提出MIMFlow，端到端生成媲美扩散模型

07:16

DeepSeek-V4最新报告用户生成速度提升85%:DeepSeek-V4背后的推测解码新范式DSpark，已开

07:21

清华大学让扩散模型推理加速比飙升6倍扩散模型推理太慢？清华深圳＋华为提出LearniBridge，可学习校准让加速比飙升6倍

04:19

单张照片就能还原真实世界3D几何

08:40

清华大学新方法让动画人物保体型＋做表情＋比手势，再也不用二选一

09:56

AI视频模型的记性还不如金鱼？哈佛MIT联合测试10个模型，结果翻车了把东西藏起来再拿出来，AI视频模型竟然全忘了--MemoBench揭示世界模型的致命短板

08:25

中科院让AI像人一样"看懂"表格10亿参数碾压GPT-5和Gemini: 中科院＆腾讯提出StrucTab，让AI像人一样"看懂"表格

05:22

一篇19种自进化Agent Skill框架最新综述Agent会了一堆技能，哪个真正好用？首个系统性评测来了

08:59

AI的"开卷考试"陷阱：给了答案反而学不会DOPD破解「特权幻觉」，让在线策略蒸馏更有效

09:06

不让AI死记硬背街道，而让它像人一样"逛懂"一座城市

11:03

学术传播进入"自动发货"时代：PDF进，海报视频幻灯片出

07:58

港大联合滴滴通过30M模型让机器人看懂透明物体

06:56

ICML新作 AI进入主动递杯子的时代不满足于换背景调颜色，北大让AI学会"递杯子""开门""搅拌

04:48

字节3D角色制作进入一键生成开箱即用的时代DreamCharacter-1是字节跳动发布的产品级3D角色生成框架

05:32

剑桥×DeepMind：AI 的自信靠翻老底

06:26

斯坦福让机器人学会"脑内模拟"，规划前先想象未来画面

05:11

AI版"科研选题助手"来了从顶会论文中提炼31种创意套路ResearchStudio-ldea是南洋理工大学与微软研究院联合发布的研究创意生成工具套件。

04:58

字节跳动提出用视频生成来做逻辑推理文字推理过时了？字节跳动提出用视频生成来做逻辑推理

07:56

复旦为AI打造律所模拟器，当AI开始"打官司复旦大学联合西北政法大学发布了LEGALWORLD -﹣首个覆盖法律Agent

06:39

谷歌提出证据链框架，AI科研进入可验证时代AI科研进入"可验证"时代：谷歌提出证据链框架

05:51

让Agent训练框架从"工程噩梦"变回"研究工具英伟达MOLT：让Agent训练框架从"工程噩梦"变回"研究工具

06:52

给AI装上"时间之眼"：阿里4D世界模型预测阿里4D世界模型预测像素级未来

06:11

AI智能体跑得快不如跑得久当前AI智能体在单轮对话和短任务上表现亮眼，但真正拉到长时段、多步骤的真实工作场景中，还能稳住吗？

05:10

Agent自我进化只需要"一行vibe"别堆模块了：微软最新研究证明，Agent自我进化只需要"一行vibe

05:11

自进化Agent全景综述它用一个统一的形式化框架，把2023-2026年200多个工作收纳进同一张地图，还把概念根脉一路追溯到1790年代的最小二乘法。

07:28

Meta大模型后训练新思路带评分准则的OPD

06:17

何恺明首次探索Agent Harness

06:10

阿里提出残差记忆REMORY：少量Token复刻完整上下文效果

07:03

Google新研究，按任务自动构建多智能体系统还在手动调试多智能体角色、提示词、工具权限？Google最新论文提出SHIFT框架

06:26

亚马逊掀底牌：8步大模型后训练配方全开源亚马逊Rufus团队把一整套大模型后训练配方直接开源了，八步流水线从SFT到RLHF全摊开

06:02

机器人能自己变强吗？上海交大牵头，16家机构，谷歌微软伯克利斯坦福都下场，回答了一个问题：机器人到底能不能像AI写代码那样，自己迭代自己？

09:23

腾讯微信视觉新开源✨从框到像素的统一VL大模型

07:19

顶部