从一个关键词开始
搜名称,也可以搜场景,比如“AI 写作”“视频剪辑”或“编程助手”。
AI热点 187
Skill Adapter论文:智能体技能路由成功率提升11.43点AI热点arXiv新论文提出Skill Adapter,通过个性化修改与在线路由优化LLM智能体技能选择,三项基准上较SkillRL平均提升11.43个百分点任务成功率。
SPADE用软提示提升AI文本检测OOD性能AI热点arXiv论文提出SPADE框架,通过软提示与PMI信号检测AI生成文本,在分布外基准上达到SOTA性能。
Nemotron-Labs-Sigma开源连续扩散语言模型AI热点NVIDIA团队发布首个大规模连续扩散语言模型系列Nemotron-Labs-Sigma,权重开源,推理加速与基准表现均有可核实提升。
ACERL用经验交接强化学习提升智能体性能AI热点arXiv论文提出ACERL方法,通过评估经验交接产物对未来rollout的影响并协同优化角色行为,在智能体基准上取得更高留出性能。
POIROT开源:智能体自审计故障归因,最高提升50点AI热点论文提出POIROT协议,让多智能体系统自行归因故障,并开源BLAME新基准,九种模型基准配置中最高提升50个百分点。
NVIDIA发布Déjà View三维重建模型AI热点NVIDIA发布Déjà View模型,可从多视角照片恢复三维几何与相机位姿,117M参数在五项基准达到或超过十倍规模模型。
蚂蚁百灵发布ZoomGain视觉模型AI热点蚂蚁百灵发布基于强化学习训练的ZoomGain-4B/9B视觉模型,并同步开源评测基准与训练数据集。
OPMD同策略蒸馏提升模型中期训练AI热点arXiv新论文提出OPMD方法,用冻结教师的反向KL奖励在中期训练中主动采样学生轨迹,在数学基准上超越传统NTP基线。
SEELE框架动态调难度提升推理训练AI热点论文提出SEELE框架,通过响应式rollout难度操纵优化RLVR训练,在六个数学推理基准上较GRPO提升10.0分。
Guardian用VLM检测机器人操作失败AI热点论文提出Guardian视觉语言模型与GuardianFail-36k数据集,用于机器人操作失败检测,在多个真实基准上取得领先表现。
VIOS框架提升视频推理后训练效率AI热点NeurIPS 2026论文提出VIOS后训练框架,通过自审计视觉依赖在12项基准上以更少算力提升视频推理表现。
ARC Prize公布Fable 5.2评测成绩AI热点ARC Prize公布Claude Fable 5.2在ARC-AGI-2取得93.8%,为第三高模型成绩,并披露各基准得分与评测成本。
英伟达CoRL发布GR00T 2模型AI热点英伟达在CoRL发布开源世界动作模型GR00T 2及Isaac Lab 3.0,公布多项任务成功率与基准排名。
腾讯混元开源Hy-Nomas世界生成模型AI热点腾讯混元开源支持多轮交互与镜头控制的视频世界生成模型Hy-Nomas,并同步发布评测基准。
港大提出RaPO破解MLLM灾难性遗忘AI热点港大俞益洲团队提出强化微调算法RaPO,揭示GRPO轨迹级漂移缺陷,在多项视觉持续学习基准上显著降低遗忘率,论文被NeurIPS 2026录用并开源代码。
Gym-Anything用编码智能体生成机器人仿真AI热点arXiv论文提出Gym-Anything框架,让编码智能体自动生成机器人仿真并构建RoboWorld基准。
BQ-LoRA:二值适配器存储降13-16倍AI热点BQ-LoRA用单比特二值适配器替代FP16,存储降低13-16倍,在Qwen2.5各规模上超QLoRA基准0.8-3.5点,已入选NeurIPS 2026。
Perplexity发布本地优先智能体ComputerAI热点Perplexity推出本地优先智能体Portable Computer,默认全栈本地运行,敏感数据不出设备;在内部基准上Qwen 3.8 27B跑出82.6%,其后训练模型PPLX 27B达85.4%。
NICT的OptiMer获EMNLP 2026杰出论文奖AI热点日本NICT团队的OptiMer论文获EMNLP 2026杰出论文奖,通过合并分布向量替代数据混合,实现15至35倍加速并提升基准得分。
斯坦福开源Memorilla:16个记忆token供冻结LLMAI热点斯坦福SNAP团队开源194M参数记忆模块Memorilla,将文档集合压缩为16个memory token供冻结LLM使用,8项基准平均分49.68居首。
开源项目 64
bombardier:HTTP(S) 基准测试工具开源项目用 Go 编写的 HTTP(S) 压测命令行工具,默认基于 fasthttp,也可切换 net/http 以支持 HTTP/2.x。查看
DeepSWE:编码智能体长任务评测基准开源项目包含 113 个任务的基准,用于评测前沿编码智能体在开源仓库上的长程软件工程能力。查看
powerpipe:DevOps 仪表盘与合规基准工具开源项目用代码定义的 DevOps 仪表盘工具,可可视化各类数据源并运行 CIS、NIST 等 5000+ 开源合规基准。查看
VitaBench:LLM智能体交互任务评测基准开源项目评测LLM智能体在真实生活服务场景中多轮交互与工具调用能力的基准,含代码库、数据集与评测流程。查看
MiMo-Embodied:具身智能与自动驾驶评测套件开源项目MiMo-Embodied 模型的官方评测仓库,基于 lmms-eval 扩展,覆盖具身 AI 与自动驾驶基准,仅用于评测。查看
Spirit-v1.5:机器人视觉-语言-动作模型开源项目Spirit AI 的 VLA 机器人基础模型官方实现,含推理与微调代码、模型权重及 RoboChallenge 基准运行脚本。查看
inference-optimisation:本地LLM服务提速的Agent技能开源项目面向本地LLM服务的Agent技能,指导在任意硬件与量化配置下逐项爬坡优化解码、预填充、KV缓存、启动与首token延迟,并配套基准测试脚本。查看
whichllm:本地大模型选型与运行命令推荐工具开源项目读取本机GPU、内存与带宽,估算哪些开源模型能跑、速度多快,并按基准排名给出可直接运行的命令。查看
AgiBot World:机器人学习数据集与 GO-1 模型开源项目大规模双臂操作机器人学习平台,含百万级轨迹数据集与 GO-1 基础模型。查看
Zeekstd:Zstandard可寻址格式的Rust实现开源项目Rust实现的Zstandard Seekable Format库与CLI,支持对压缩文件的局部解压与跳转。查看
FireRedASR:开源工业级语音识别模型开源项目支持普通话、中文方言和英文的开源ASR模型家族,含LLM与AED两种架构及命令行/Python推理代码。查看
LongCat-Flash-Chat:MoE语言模型开源项目560B总参数、按需激活约27B参数的MoE非思考型基础模型,面向agentic任务,附技术报告。查看
Yuan3.0 Flash:40B MoE 多模态基础模型开源项目YuanLab.ai 团队发布的 40B 参数 MoE 多模态大语言模型,每次推理激活约 3.7B 参数,支持 128K 上下文。查看
clx:Lua 5.5 提前编译器与运行时开源项目跨平台的 Lua 提前编译器与运行时,把 Lua 脚本编译成独立的原生可执行文件。查看
Litefuse:开源 LLM 应用工程平台开源项目可自托管的开源平台,用于协作开发、监控、评估和调试 LLM 应用。查看
LongCat-Flash-Omni:全模态开源模型开源项目5600 亿参数(激活 270 亿)的开源全模态模型,支持实时音视频交互与流式语音生成。查看
UniScientist:科研数据合成与智能体研究模型开源项目包含 UniScientist-30B-A3B 模型与科研问题合成、智能体研究循环、报告聚合的推理代码。查看
CodeKatas:Java 编程练习题集开源项目一组以失败单元测试为起点的 Java 编程练习,覆盖 Lambda、Streams、Eclipse Collections、日期时间 API 等主题。查看
GoMem:Go 高性能内存分配库开源项目从 Monibuca 项目中抽出的 Go 内存分配器库,提供多种分配策略、可回收内存与零拷贝多缓冲读取。查看
AutoResearchClaw:自主研究与论文生成流水线开源项目输入一个研究想法,通过23阶段多智能体流水线产出带真实文献、实验与LaTeX论文的学术稿件,支持全自动与人工协同模式。查看