代码定位太慢？蚂蚁ACL2026新作：FuseSearch-4B让模型自己学会「该搜多少」
新智元报道 【新智元导读】FuseSearch：学习型自适应并行执行 —— 一个40亿参数的模型，凭什么在代码定位上干过了商用闭源大模型？答案只有四个字：搜得更聪明。 在AI编程狂飙突进的今天，一个尴
把真实GitHub仓库转化为可执行终端轨迹！TerminalTraj入选ICML 2026
被ICML 2026接收为Spotlight！
HuggingFace CEO力荐，Bengio团队也押注：这个1500美元训出的HRM模型，凭什么火了？
好家伙，这次不是模型圈自嗨。
啥？Fable 5一出，Skill和Prompt都白学了？
Workflow、Skill、SOP，可能真的要过时了。
登Nature子刊！清华团队提出全球气候模态统一预测模型UniCM
全球气候异常事件正在深刻影响农业生产、水资源调度、能源管理和防灾减灾。
不到 5 分钟复刻《我的世界》，Kimi K2.7 Code 到底有多能打？
朋友们，Kimi 又更新了。
视频生成作为多模态推理新范式 | CVPR 2026
被CVPR 2026收录！
0.6B VLM重塑AI修图推理流程，支持手机端侧部署，vivo+浙大出品
如今手机拍照已成日常，后期修图是提升照片质感的关键。
BudgetMem：给Runtime Agent Memory装上「预算路由器」，让记忆系统学会按需分配运行成本
当 LLM Agent 处理长期对话、多轮交互和复杂文档时，Memory 已经成为不可或缺的核心模块。它帮助智能体保存历史、检索信息、维持个性化上下文，并支撑跨时间的推理能力。
华为SpaceMind登顶空间智能权威榜：纯RGB视觉语言模型拿下70.6分，刷新李飞飞榜单记录
大模型已经能流畅对话、看图识物，但一个更底层的问题始终没被真正解决——它们是否「理解」了我们所处的三维世界？
图片越糊越危险？西湖大学发现多模态大模型「攻击舒适区」
多模态大模型越来越会读图中文字，但最新研究显示，「读得出来」并不等于「防得住」。西湖大学 AGI Lab 的研究团队发现，当有害文本被渲染成低清、模糊或带噪图片后，模型在一个特定清晰度区间内反而更容易被越狱。
看不清就乱答？多模态大模型的这个毛病终于有解了 | ICML 2026
雨雪、雾霾、镜头噪点、压缩失真、夜间弱光……
KV Cache终于不用无脑全留了！百度&复旦用「投资回报率」重新分配缓存｜ICML 2026
随着AI Coding、Agent、Deep Research 等应用快速普及，模型单次处理的上下文长度正在从几万Token迈向几十万甚至百万Token。
CVPR 2026 | GaussianDWM：用3D高斯表示统一自动驾驶场景理解与多模态生成
自动驾驶世界模型的研究目标已经从单纯预测未来视觉帧，扩展到构建可用于场景理解、空间定位和后续决策的世界表示。如果模型只能生成外观上合理的未来图像，却无法回答场景中有哪些目标、目标位于何处，以及不同视角下的空间结构如何变化，那么它仍然缺少对三维驾驶环境的显式建模能力。
PEFT方法评测不能只看下游分：通用能力损失也该被量化
近期，来自香港中文大学、西湖大学、德国马普所等机构的研究者提出了 PEFT-Arena —— 一个从稳定性‑可塑性权衡（stability–plasticity trade-off）视角重新审视 PEFT 方法的评测基准与分析框架。该工作已在 ICLR 2026 相关 workshop 上进行了展示，并开源了完整代码。
谷歌官宣3万字路线图：1亿人类水平的AI就是ASI！
谷歌DeepMind宣布：AGI，已经过时了！就在最近，谷歌DeepMind出了一份干货满满的57页报告，标题只有四个词：《从AGI到ASI》。论文地址：https://arxiv.org/abs/2606.12683
实测GLM-5.2，国产Coding模型的又一座新高峰。
最近整个世界的魔幻程度，真的让人唏嘘。 今天早上，Anthropic收到了美国商务部的一封信。 信的内容很简单，以国家安全为由，要求Anthropic立刻暂停所有外国公民对Fable 5和Mythos
争论几十年的水之谜，被AI一举破解！港城大&中石大成果登Nature Physics
香港城市大学曾晓成教授与中国石油大学（华东）钟杰教授团队给出了终结级的分子水平证据，成果发表于《Nature Physics》。他们首创了一套无监督深度学习框架，不给AI任何预设条件，直接把海量水系统中7400多万个水分子结构扔给模型，让AI自己去悟。结果不仅直接证明常压水里确实存在两种「暗」组份，还把A/B水分子相互变身的「立交桥」路线图给完整画了出来。
“智能体最后的考试”，Fable 5竟然不敌GPT 5.5
刚刚，UC伯克利放出了一场号称“智能体最后的考试”的全新基准测试。它把当今最强的AI Agent们拉到考场上，让它们干真正的活——在Siemens NX里建3D模型、在Unreal Engine里搭游戏场景、在Adobe After Effects里做特效合成。
Harness 之后，硅谷 AI 圈又来新词了：Loop Engineering
硅谷 AI 圈又来了个新词：Loop Engineering。 大佬们纷纷表态，别再手动验证和写提示词了，该让 Agent 自己循环完成工作了。 OpenClaw 开发者 Peter Steinberger 带火了这个讨论，Claude Code 负责人 Boris Cherny 也说他已经不怎么在 Claude Code 里输入提示词了，而是去写 loops。