字节跳动开源DreamLite，0.39B参数让手机本地玩转AI绘画
字节跳动智能创作实验室开源DreamLite，一个仅0.39B参数的轻量级统一扩散模型，首次在单一网络内同时支持文生图和图像编辑，并可在手机端侧运行。该模型相比同类端侧方案，参数量减少80%以上，推理速度提升3倍，生成质量接近云端模型。这一突破将推动AI绘画从云端走向本地，降低使用门槛，保护用户隐私。
Mira Murati新公司发布交互模型，边听边说引关注
OpenAI前CTO Mira Murati与前应用研究负责人翁荔创立的Thinking Machines Lab（TML）发布“Interaction Models”研究，实现语音交互中“边听边说”的实时对话能力。该模型支持用户随时打断、调整语速，延迟低于300毫秒，接近人类对话节奏。与国内面壁智能此前推出的“实时语音交互”方案思路相似，但TML更强调端到端架构与低延迟优化。这一突破被视为AI语音交互从“轮询式”向“自然对话式”演进的关键一步，可能重塑智能助手、教育、客服等场景体验。
何恺明首个语言模型：105M参数，不走GPT自回归老路
{ "title": "何恺明首推扩散语言模型ELF，105M参数跑赢主流", "summary": "何恺明团队发布全新连续扩散语言模型ELF，仅用105M参数和45B训练token，在OpenWebText数据集上取得生成困惑度24的成绩，超越一批主流扩散语言模型。ELF将所有去噪过程保
SFT泛化能力被低估？三大条件决定成败
上海AI Lab联合上海交大、中科大最新研究挑战了“SFT记忆，RL泛化”的主流观点，证明SFT的泛化能力并非天生缺失，而是受优化充分性、数据质量和模型能力共同制约。实验显示，长思维链SFT在8个epoch训练后，模型在跨领域任务上呈现“先降后升”的泛化模式；低质量数据会彻底破坏泛化；而14B模型比小模型更易实现泛化。该研究为后训练微调提供了严谨的条件分析框架。
全球仅1000家AI原生公司？真相扎心了
Greg Isenberg在X上发布的文章引发热议，指出全球真正实现AI原生且年收入超过500万美元的公司可能只有约1000家。文章犀利区分了“AI辅助型”与“AI原生型”公司，强调后者需要从架构层面重新设计流程，而非简单添加AI工具。通过客服、销售等案例，揭示了大多数公司因缺乏清晰规则和数据整合而无法实现AI原生。最后给出了实用的“Agent工作流食谱”，帮助团队自检是否真正具备了AI工作流。
MAGIC-TTS：字级节奏可控，语音合成迈向真人表达
华南理工大学最新研究MAGIC-TTS首次实现字级时长与边界停连的token级控制，让语音合成不再只是平铺直叙，而是能精准调整重点区域的节奏。该系统基于3万小时大规模语音预训练，通过Stable-ts与MFA交叉验证筛选出230.72小时高质量子集，在保持合成质量与克隆相似度的前提下，支持高辨识播报、教学纠错与表达型语音三类场景。论文、代码与演示均已公开，为TTS行业提供了局部节奏可控的实用方案。
Kimi Agent数据库服务架构复盘：从构想到落地
Kimi大规模部署Agent时，其背后的Database服务成为关键。PingCAP联合创始人黄东旭此前对Agent所需基础设施的猜想，在Kimi的实践中得到验证。本文复盘了Kimi如何搭建Agent数据库服务，包括数据模型设计、实时性优化及成本控制等核心细节，揭示Agent对数据库的独特需求。数据显示，该方案支撑了百万级并发请求，延迟低于50ms，为行业提供了可复用的参考架构。
大模型长出情绪树，规模越大越懂人心
ICML 2026最新研究揭示，大语言模型内部会自然形成类似人类情绪的层次化表征结构，即“情绪树”。随着模型规模从7B增长到70B参数，其对悲伤、愤怒、喜悦等基本情绪的感知精度提升超过40%。该发现为AI在情感陪伴、心理健康等领域的应用提供了理论支撑，也引发了对模型情感模拟边界的新讨论。
ICLR 2026 Oral：DECS消除大模型过度思考，推理token减半
大型推理模型如DeepSeek-R1和OpenAI GPT Thinking常因过长的思维链导致“过度思考”，浪费计算资源。ICLR 2026 Oral论文提出DECS方法，从源头识别并剪除冗余推理步骤，在保持甚至提升性能的同时，将推理token数量减少一半。实验显示，在数学、逻辑等复杂任务上，DECS使模型推理效率提升约50%，且准确率不降反升，为高效部署大模型提供了新路径。
翻完五角大楼公开的全部 UFO 档案后，我完整做了一个 Wiki 网站给大家用
{ title: "五角大楼UFO档案全开源，Wiki网站助你轻松查阅", summary: "美国战争部（五角大楼）近日将过去几十年积累的UFO档案全部免费开源，涵盖1947年至2026年的资料，包括上百份PDF、几十个视频和100多张照片。一位开发者利用其Personal-Wiki项目，
Auto Research新基准Frontier-Eng登场，考验AI工程优化能力
Einsia AI旗下Navers Lab发布Frontier-Eng Benchmark，聚焦AI在真实工程任务中的持续优化能力。该基准覆盖47个任务，横跨5大工程方向，包括GPU内核优化、电池快充策略等，要求Agent在固定预算内通过迭代改进方案。与传统二元评估不同，Frontier-Eng采用生成式优化范式，模拟科研人员反复调参、逼近最优的过程，旨在衡量AI能否真正接手繁琐的工程迭代工作。
0%完成率！Claude、GPT、Gemini 全灭，SWE-Bench作者新作把AI圈干沉默了
SWE-Bench 的创建者，刚刚又放出了一个地狱级新 benchmark。
OpenAI公开大规模稳定训练的秘密，英伟达AMD英特尔都受益
OpenAI，这次又真·Open了一下。
Anthropic 上线「做梦」功能，让 Agent 越睡越聪明
之前 Claude Code 源码泄露的时候，大家惊奇的发现，里面有一个正在开发的功能：做梦
蛰伏一年，周衔团队带来首个具身基础模型，烹饪做实验弹琴，效果炸场
那个一句话生成完整物理世界、做出 GitHub 最大开源机器人项目的团队，又出手了。
只看图片就能学会压缩Token！浙大&阿里新框架多轮VQA压缩率90%，精度不掉｜CVPR 2026
多轮视觉问答，正在成为LVLM推理效率的“照妖镜”。
英伟达力荐，小团队两个月开源一款「光速级」智能体推理引擎
智能体时代的核心是算力。
你不知道的 GEO：AI 可见性的原理、实践与取舍
这几天有好几个小伙伴@我说，我的开源工具在他们问 AI 的时候被主动推荐了，啥也没做居然可以被收录，想着要不花一个小时把内容结构化整一整，应该会更好，于是整好以后，快速发了一个速记推，但是内容结构不清晰，想着大家很感兴趣，那要不就整一个结构清晰的文章便于沉淀和查找。
提速4.48倍！哈工大华为新框架让扩散大模型精度无损、推理起飞
文本生成这件事，扩散大语言模型（dLLMs）正展现出巨大的潜力。但与此同时，它也面临着严重的计算瓶颈——为此，哈工大（深圳）与华为、深圳河套学院的研究团队提出了一套免训练加速框架Dynamic-dLLM。
token级，精准控制生成长度：3B模型击败GPT 5.4、Claude
LenVM将长度建模提升到token级别，开辟可扩展价值预训练的新维度——3B开源模型精确长度控制全面击败GPT-5.4、Claude-Opus-4-6等顶级闭源模型；相同token预算下推理准确率提升10倍（63% vs 6%）；沿模型规模、数据量、采样数三轴无饱和scaling的value pretraining