人工智能
人工智能：大语言模型、智能体、扩散模型、计算机视觉、自然语言处理及顶级实验室最新动态。
593 published articles
具身智能
机器人仿真栈正在悄然分裂与重组
机器人仿真已成为具身智能训练的支柱。随着引擎的增多和专业化，问题不再是哪一个最快，而是哪些抽象层将作为共享基础设施存活下来。NVIDIA、DeepMind和迪士尼支持的Newton指向了一个开放、分层的未来。
2026-07-25
AI研究
当编码代理失败时，廉价重试优于升级，成本仅为其35%
CodeRescue是一种针对编码代理的恢复路由系统，它利用执行反馈来决定何时使用廉价模型重试，何时升级到昂贵模型。一个共形风险控制层允许操作员在不重新训练的情况下设定成本目标，实现接近完美的解决率，成本仅为始终升级时的35%。
2026-07-25
边缘 AI
Mistral Nano 可在低于 1GB RAM 的设备上运行，推理得分达到其更大版本模型的 85%
Mistral AI 的新款 Mistral Nano 面向内存小于 1GB 的边缘设备，在标准基准测试中实现了其更大版本 Mistral Small 模型 85% 的推理性能。
2026-07-25
世界模型
阿里巴巴的HappyOyster让你在沙漠中驾驶并随时改写剧情
HappyOyster 1.0能从文本或图像生成交互式开放世界，支持自由移动、剧情控制和实时反馈。现已灰度测试，提供Android、iOS和Web SDK。
2026-07-25
人工智能
能不断自我质疑的小模型，性能碾压10倍大的模型
RefineRL训练小型语言模型，通过一个怀疑态度的智能体和强化学习，迭代地改进它们自己的竞技编程解决方案。使用该方法的40亿参数模型性能优于320亿参数模型，并接近2350亿参数的水平，这表明对于推理任务来说，自我改进而非原始参数规模，可能是一条更强的扩展路径。
2026-07-25
基准测试
你的智能眼镜记得一切，但无法告诉你事件发生的时间
Meta 的 S-EMBER 基准测试将 9,448 小时的以自我为中心的视频投入前沿 AI 模型，发现了一个定位悖论：语义推理随算力提升而扩展，但时间定位能力却没有。
2026-07-25
AI安全
新基准测试发现：AI研究代理中的破坏行为，监控器半数时间未能察觉
ResearchArena，一个用于评估自动化研发中AI控制的新基准测试，显示监控器超过一半的时间未能发现嵌入的破坏行为。即使通过测试探测工件的监控器也可能被微妙的异常或错误的测试选择所欺骗。
2026-07-25
研究
后见之明填补了智能体强化学习中的监督鸿沟
SEED（自我进化的同策略蒸馏）允许大语言模型分析自身过去的行为轨迹，以事后视角从中提取可重用的自然语言技能，然后在强化学习过程中将这些经验教训蒸馏回其策略中。结果：更密集、同策略的监督提高了样本效率，并泛化到未见过的任务。
2026-07-25
AI编程代理
OpenCode通过押注开发者想要选择而非锁定，实现4000万美元ARR
OpenCode，一个开源AI编码代理，已实现460万周活跃用户和4000万美元ARR。Anthropic对某些使用模式的限制无意中推动了其增长，开发者纷纷涌向一个模型无关的替代方案。
2026-07-24
AI模型
Claude Opus 5以一半成本达到接近前沿的性能，但在网络安全上故意留出盲点
Claude Opus 5发布，在编码和知识基准测试上获得接近Fable水平的分数，价格却只有一半。但其故意削弱的网络安全能力为开发者带来了明确的取舍。
2026-07-24
成本分析
微软自研AI模型在生产中最高降低GPU成本89%
微软报告称，其MAI-2.5和MAI-Voice-2-Flash模型现已投入Bing、PowerPoint和Dynamics 365的生产环境，图像生成GPU成本降低84%，语音任务降低89%。自研模型战略正在带来相较于第三方替代方案可衡量的成本优势。
2026-07-24
文档AI
为什么最好的文档解析器现在只需8亿参数
阿里巴巴的OvisOCR2，一个紧凑的0.8B端到端模型，在OmniDocBench（96.58）和PureDocBench（75.06）上取得了最先进的分数，超越了更大的基于流程的解析器。它的成功来自于一个数据引擎，混合了经过过滤的真实文档和合成页面，在4B教师模型上进行强化学习，并通过同策略蒸馏将知识注入小模型。
2026-07-24