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 178
IFM开源世界模型PAN 2AI热点IFM发布开源世界模型PAN 2,可生成最长20秒的动作后果视频,采用语言模型规划加29B视频模型渲染的架构,官方基准显示其在开放模型中完整计划完成率排名第一。
LA-RAG框架实现长音频结构化问答AI热点论文提出LA-RAG框架,将长音频转为带时间戳事件记录并结合检索增强生成回答问题,并构建两个新QA基准。
LAMR框架缓解多模态情感推理失衡AI热点arXiv论文提出LAMR框架,通过自适应层角色分析缓解多模态情感推理中的模态不平衡,无需额外训练即在两个基准上提升效果。
AES论文让推理缩短52.9%AI热点NeurIPS 2026接收论文提出自适应熵节省方法AES,选择性保留高熵token以抑制大推理模型过度思考,在八个推理基准上将推理长度最多缩短52.9%,同时平均准确率提升最多3.8%。
Fable 5.2直出三款硬件设计AI热点Claude Fable 5.2 从短提示词产出三款电子设备的完整设计文件,板厂直接制造成功,并在PCB布局基准上取得69%得分。
首个触觉推理模型Touch-R1入选NeurIPSAI热点戴盟机器人团队联合多校提出首个触觉推理模型Touch-R1,论文入选NeurIPS 2026,并同步发布数据集与评测基准。
中科院等团队发布A-RSI自主换池方法AI热点中科院、港中大与小米联合团队提出A-RSI,用训练动态决定何时更换任务池,且新任务答案由程序独立验证,Qwen3-VL-8B与MiMo-VL-7B多基准分数均上涨。
华科大团队提出全连续多模态模型AI热点华中科技大学王兴刚团队与地平线机器人等合作提出Multimodal Flow全连续多模态架构,1.6B参数模型MF-1仅用150B Tokens预训练,在GenEval等基准上超越混合与全离散架构。
Omni-Encoder用共享SigLIP2统一四模态表征AI热点Omni-Encoder以单一SigLIP-2 ViT共享参数统一图像、视频、音频与视听编码,在16个基准上表现竞争力,联合训练提升各模态效果。
小鹏联合北大港大发布GroundingPI模型AI热点小鹏联合北大、港大等发布具身感知基座模型GroundingPI,约40亿参数,34项感知基准综合评测第一,对比GPT-6 Astra得分73.68对71.54。
Zyphra发布树状稀疏注意力ZHAAI热点Zyphra AI发布ZHA稀疏注意力方法,用树状索引器实现稀疏检索,约4B token即可蒸馏进冻结模型,在256K检索基准上接近稠密注意力。
清华团队发布代数世界模型AWMAI热点清华大学姚期智、袁洋团队提出代数世界模型AWM,通过探索、凝炼、证明三步让AI理解游戏规则本质,在ARC-AGI-3测试集上183关全部通关,得分99.9%,平均动作数仅为人类基准的43%,并能证明任务无解。
SpaceCast-Bench评测21个VLM空间推理最高58%AI热点浙大团队提出SpaceCast-Bench,评测21个视觉语言模型的预测性空间推理能力,最高准确率仅58.0%,显式3D信息可带来提升。
RoboDojo评测:Astra方案提升具身模型分数AI热点RoboDojo评测显示,具身团队引入GPT-6 Astra与RUA方案后,模型评测分数从20-30分提升至50-60分,引发行业对自研路线的重新审视。
MedPhysBench评测12模型医学物理计算AI热点MedPhysBench发布,评测12个语言模型在医学物理计算与错误检测任务上的表现,Claude Sonnet 5.5在等中心MU计算中19/20漏掉平方反比修正。
ArtArk登顶SuperCLUE文生图榜首AI热点SuperCLUE发布11月文生图榜单,国产模型ArtArk以95.14分登顶总榜第一,图文一致性获唯一满分。
DeepSeek V4.1刷新ARC-AGI开源成绩AI热点ARC Prize公布DeepSeek V4.1 Flash 1017在ARC-AGI-2取得78.1%、ARC-AGI-1达94.5%,刷新开源模型纪录。
商汤开源具身框架,成本降至GPT-6的1/50AI热点商汤开源具身智能执行框架RoboRSI及27B模型,宣称任务成本降至GPT-6-Astra的1/50。
METR报告:Anthropic研发加速1.9倍AI热点第三方机构METR发布报告,量化Anthropic内部AI研发加速约1.9倍,约80%来自AI自身帮助。
SLDBench v2发布:AI自主选实验评测AI热点研究团队发布SLDBench v2,让AI在付费实验目录中自主选择实验以发现Scaling Law,评测显示8个前沿模型自主选实验时成绩全部下滑,Claude Opus 5.5以4%成本取得最佳精度。
开源项目 62
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
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
SWC:Rust 编写的 TypeScript/JavaScript 编译器开源项目用 Rust 编写的高性能 TypeScript/JavaScript 编译器,同时作为 Rust 库与 Node.js 库使用,可替代 Babel 完成转译等编译任务。查看
nano-vllm:从零实现的轻量 vLLM开源项目约 1200 行 Python 从零实现的轻量级 vLLM,提供离线推理与前缀缓存、张量并行、CUDA graph 等优化。查看
CADAM:自然语言生成 CAD 模型的开源 Web 应用开源项目浏览器内的开源 Text-to-CAD 应用,用自然语言或图片生成参数化 OpenSCAD 模型,可导出 STL/SCAD/DXF。查看
DeepSeek-OCR:视觉-文本压缩OCR模型开源项目从LLM视角研究视觉编码器的OCR模型,支持多种原生分辨率与动态分辨率模式,可用vLLM推理。查看
Kimi K3:开源多模态 Agent 模型开源项目MoonshotAI 开源的 2.8T 参数原生多模态 Agent 模型,支持 100 万 token 上下文与文本图像输入。查看
oMLX:Mac本地LLM推理与菜单栏管理工具开源项目面向Apple Silicon的本地LLM推理服务,提供连续批处理、分层KV缓存与菜单栏管理。查看
Tongyi DeepResearch:深度信息检索 Agent 模型开源项目通义实验室 30B-A3B 激活的深度研究模型,面向长程信息检索任务,附推理脚本与评测流程。查看
Unlimited-OCR:超长文档解析OCR模型开源项目百度的OCR模型项目,用SR-SWA把超长序列的图文注意力压缩为固定大小工作参考,实现有限上下文内的无界文档解析。查看
answer-me-with-html:把问题答案渲染成网页的 Agent 技能开源项目Agent 技能:模型只写 Markdown 草稿,配套 CLI 将其渲染为含图表的 HTML 页面,减少输出 token。查看
Gemini CLI:企业版 Code Assist 终端代理开源项目面向 Gemini Code Assist Standard/Enterprise 与 GitHub Code Assist 的开源终端编码代理,支持交互与非交互脚本模式。查看
ripgrep:递归正则文本搜索命令行工具开源项目面向行的递归正则搜索工具,默认遵守 gitignore 并跳过隐藏与二进制文件,支持 Windows、macOS、Linux。查看
Cangjie Skill:书籍与视频方法论提炼技能开源项目把书籍、长视频、播客中的方法论提炼为可调用、可组合的AI Skill包。查看