直接从像素到单词：这个原生大模型统一单图、多图、视频和空间智能
今天几乎所有主流视觉语言模型（VLM）—— 无论是 Qwen-VL、InternVL，还是 LLaVA 系列 —— 都遵循着同一套经典架构：先用预训练视觉编码器（如 CLIP、SigLIP）将图像压缩为特征，再通过投影层把这些特征送入大语言模型。
从0到1跑通AI爽剧：超高质量短剧制作全流程SOP直接拿走！【建议收藏】
大家好，我是最近疯狂研究短剧的袋鼠帝 最近的AI漫剧发展的是真快啊，各种爽文小说改编的AI漫剧播放量甚至已经超过了某些电影和电视剧。
真机强化学习如何保证安全性？清华团队提出安全探索均衡机制
近日清华大学于IEEE TPAMI发表论文，探讨了真机强化学习的安全性保障问题，提出了一套「安全探索均衡」新型机制，揭示了安全探索的理论最大边界，并攻克了其收敛性证明难题。
TRM思考奖励模型上线，大模型推理质量终于能量化了 | ICML‘26 Oral
大模型推理能力越来越强，但答案对了，思考过程就一定好吗？
LeCun、谢赛宁转发的世界模型与VLA共融方案：中关村学院ECCV2026—VLA-JEPA
依赖于有限机器人数据和大量人类数据，也能让 VLA 模型更稳健吗？
中国团队拿下ICRA'26最佳论文：Agentic Coding驱动工业制造通往自主通用智能
刚刚，在维也纳落幕的机器人顶会ICRA 2026上，最佳论文奖（自动化方向）颁给了一支中国团队。
斯坦福改变了LLM的生成顺序，Google把它做了出来。DiffusionGemma技术报告来了
Google DeepMind在6月份对外分享了DiffusionGemma的技术报告，明确指向了一条与现有主流完全不同的演进道路。当大家都在绞尽脑汁让大模型逐词吐字的速度变快时，谷歌干脆把生成顺序改了。
又一大模型发布！号称比肩Fable 5和Mythos
<p><img alt="又一大模型发布！号称比肩Fable 5和Mythos" loading="lazy" src="/static/uploads/covers/58a7cf78b06c5eb7e920291138b11f80.webp"/></p><p><br/></p><p><strong>Sakana AI提出大模型训练新思路。</strong></p><p><br/></p><p>
如何使用 Codex，进行长程任务
这两天在赶工，鞭策 Codex 赶紧把 AGI Bar 的小程序弄出来，已经连续蹬了 80+ 小时了，预估再蹬 20 个小时就能蹬完
SCI 论文配图 Prompt 怎么写？这篇直接抄
做科研的人应该都懂，论文配图真的很耗时间。
530 万人读的这篇：你一直在用 AI 最慢的方式——附一段你今天就能粘的「自循环」提示词
这篇文章有 530 万浏览。我想先弄明白:为什么是它?
你的AI正在「见人下菜」，亚马逊团队ACL高分论文，首次系统测评「记忆」如何影响LLM情商
近年来，个性化语言模型迅速普及。 从 ChatGPT、Claude 到各类垂直 agent，用户 “长期记忆” 功能也逐渐成为标配，它们被广泛部署在推荐系统、客户服务、情感陪伴等场景中。
机器人终于不瞎抓了！港大阿里联手开源FineVLA：用哪只手、抓哪里，一句话全搞定
机器人模型已经能根据“把杯子放进篮子”这类指令完成任务，但用哪只手？
1W+优质提示词！这个网站塞满了神级AI出图Prompt，复制就能直接用
今天给大家分享一个我最近经常刷的灵感外挂。
从 OpenClaw 到 FastClaw：如何设计优秀的多 Agent 架构
做了一年 Agent 基础设施，踩了无数坑，我终于想明白了一件事：好的 Agent 架构不是把所有功能塞进一个进程，而是让每一层都能独立演化。
AI中转站正在「裸奔」：清华团队提出首个可信原生中转基础设施TrustedARI
当 AI 智能体真正开始干活，它的每一次请求，都要经过一个你看不见的「中间人」。
过程比结果重要：一个不给标准答案的调参框架，让Agent自己把数据库性能榨出来
数据库自动调参，一直是大模型Agent的“看似完美、实则翻车”名场面。
Sakana AI发布模型Fugu Ultra，号称比肩Claude Fable
就在所有人还在为Claude Fable 5的突然消失而懵圈时，Sakana AI却高调宣布：我们的Fugu比肩Fable，还不怕出口管制。
何恺明团队发布像素空间文生图模型MiniT2I
文本生成图像的领域早已经是一片红海，看上去已经卷无可卷了。
同样算力质量更高，西湖大学把扩散缓存做成了“离线搜索题”
扩散模型生成得越来越好，但也越来越慢。