AAAI 2026 Oral｜InfiGUI-G1模型来了，刷新GUI Grounding SOTA
随着多模态大语言模型（MLLM）的飞速发展，能够像人类一样通过视觉输入操作图形用户界面（GUI）的智能体（Agent）正逐渐成为现实。然而，在通往通用计算机控制的道路上，如何让模型精准地将自然语言指令
阅读全文从「被动」到「主动」，为什么给耳机装上「眼睛」后AI范式变了？
编辑｜吴昕、Youli先行一步Sam Altman 与 Jony Ive 联手探索的无屏 AI 硬件，正在被逐步揭开。供应链信息显示，这款产品并没有选择屏幕，而更像是一种可穿戴设备：体积接近 iPod
阅读全文500万人在线围观，Claude Code创建者的13条独家实战秘籍爆火
机器之心报道2026 新年第三天，Claude Code 创建者、负责人 Boris Cherny 开展「线上教学」，亲自示范他自己使用这个 AI 编程工具的工作流。他表示，自己的配置可能出乎意料地「
阅读全文AAAI 2026 | 小鹏联合北大，专为VLA模型定制视觉token剪枝方法，让端到端自动驾驶更高效
VLA 模型正被越来越多地应用于端到端自动驾驶系统中。然而，VLA 模型中冗长的视觉 token 极大地增加了计算成本。但现有的视觉 token 剪枝方法都不是专为自动驾驶设计的，在自动驾驶场景中都具
阅读全文4个月烧掉30亿Token，这位「菜鸟」程序员做出50多个产品，360万人围观
机器之心编辑部长久以来，代码世界的大门似乎只对少数掌握秘术的人敞开。我们被告知：你必须先理解内存、掌握语法、忍受枯燥的文档，才配谈论创造。现在，随着大模型的发展，编程不再是一场苦修，而是一场大型即时策
阅读全文LeCun在Meta还有论文：JEPA物理规划的「终极指南」
编辑｜Panda长期以来，AI 领域一直怀揣着一个宏大的梦想：创造出能够像人类一样直观理解物理世界，并在从未见过的任务和环境中游刃有余的智能体。传统的强化学习方法往往比较笨拙，需要通过无数次的试错和海
阅读全文微信炼出扩散语言模型，实现vLLM部署AR模型3倍加速，低熵场景超10倍
腾讯微信 AI 团队提出 WeDLM（WeChat Diffusion Language Model），通过在标准因果注意力下实现扩散式解码，在数学推理等任务上实现相比 vLLM 部署的 AR 模型
阅读全文「辍学创业」的风再次席卷硅谷，但真正的变量从来不是学位
机器之心编辑部在 80、90 后的成长记忆里，「辍学创业，成为亿万富翁」这类故事流传甚广。理性分析后都知道，这里面有幸存者偏差，也有个体差异 —— 盖茨、扎克伯格都是哈佛级别，随时能回去拿学位；乔布斯
阅读全文让模型自己找关键帧、视觉线索，小红书Video-Thinker破解视频推理困局
随着多模态大语言模型（MLLM）的飞速发展，“Thinking with Images” 范式已在图像理解和推理任务上取得了革命性突破 —— 模型不再是被动接收视觉信息，而是学会了主动定位与思考。然而
阅读全文Meta重磅：让智能体摆脱人类知识的瓶颈，通往自主AI的SSR级研究
编辑｜冷猫众所周知，「超级智能」是 Meta 持续不变的宏大愿景。为了尽早达到构建超级智能的目标，扎克伯格在这一年里可谓是大刀阔斧，搞得 Meta 研究部门鸡飞狗跳。前 Meta FAIR 领军人物
阅读全文Manus被收购，智谱也定了8天后上市
机器之心编辑部AI 大新闻，一桩接一桩。早上刚传来 Manus 被 Meta 收购的消息，很快，围绕「全球大模型第一股」的竞速，也传来靴子落地的声响。12 月 30 日，北京智谱华章科技股份有限公司（
阅读全文招生 | 港科大（广州）数据科学与分析学域2026-27博士项目申请开放！
机器之心发布© THE END 转载请联系本公众号获得授权投稿或寻求报道：liyazhou@jiqizhixin.com
阅读全文清华朱军团队Nature Machine Intelligence：多模态扩散模型实现心血管信号实时全面监测
可穿戴健康监测信号由于监测难度高、观测噪声大、易受干扰，高质量的心血管信号仍难以长期便捷获取，这是智能健康监测系统始终面临的现实困境。近日，清华朱军等团队提出了一种统一的多模态生成框架 UniCard
阅读全文上线不到一年，收徒百万，首个真人级AI导师技术底牌首次曝光
编辑｜吴昕第一次见到「爱学」前，王佳佳（化名）害怕和老师互动。这个来自安徽阜阳的初三女生，性格内向，在课堂上几乎从不举手。题不会，不敢问，宁愿空着；一被老师点名，就紧张到大脑一片空白。久而久之，数学和
阅读全文深度拆解沐曦MXMACA软件栈功能，算力自主+生态兼容，破解国产GPU落地难题
编辑｜泽南近日，刚刚 IPO 的国产 GPU 公司沐曦股份，完成了自上市后的首个重大技术发布。该公司旗下的 MXMACA 软件栈（MACA）正式发布了全新版本 3.3.0.X，沐曦发布了一份 23 页
阅读全文QwenLong-L1.5发布：一套配方，三大法宝，让30B MoE模型长文本推理能力媲美GPT-5
作为大模型从业者或研究员的你，是否也曾为一个模型的 “长文本能力” 而兴奋，却在实际应用中发现它并没有想象中那么智能？你大概率也遇到过以下困境之一：虚假的繁荣： 模型在 “大海捞针” (Needle-
阅读全文AAAI 2026 Oral｜LENS：基于统一强化推理的分割大模型
文本提示图像分割（Text-prompted image segmentation）是实现精细化视觉理解的关键技术，在人机交互、具身智能及机器人等前沿领域具有重大的战略意义。这项技术使机器能够根据自然
阅读全文一封AI邮件，竟让Go语言之父爆起粗口
编辑｜张倩现年 69 岁的传奇程序员、「Go 语言之父」Rob Pike，这几天被一封邮件惹毛了，接连几个「F**k」爆起粗口。邮件的大致内容是向他这种技术先驱表达感谢，原文是这么写的：尊敬的 Pik
阅读全文马斯克的「移动客厅」又火了：20人座无方向盘，每公里才3毛钱
编辑｜杨文前段时间，旧金山大停电，Waymo 无人驾驶出租车集体趴窝，但依靠 FSD 系统驱动的特斯拉汽车丝毫不受影响。而去年在「we，robot」活动首次亮相的特斯拉 Robovan 视频，也被网友
阅读全文AI 真能看懂物理世界吗？FysicsWorld：填补全模态交互与物理感知评测的空白
近年来，多模态大语言模型正在经历一场快速的范式转变，新兴研究聚焦于构建能够联合处理和生成跨语言、视觉、音频以及其他潜在感官模态信息的统一全模态大模型。此类模型的目标不仅是感知全模态内容，还要将视觉理解
阅读全文AI大佬Karpathy焦虑了：作为程序员，我从未感到如此落后
编辑｜泽南、杨文年末的假期，正是总结思考的时候。不过对于程序员来说，仔细这么一想可能会感觉有点不对劲。刚刚，Andrej Karpathy 在 X 上发的一条帖子，引发数万程序员和从业者强烈共鸣与热议
阅读全文告别「单线程」思维：通研院提出NPR框架，让智能体进化出原生的并行推理大脑
近年来，大语言模型在「写得长、写得顺」这件事上进步飞快。但当任务升级到真正复杂的推理场景 —— 需要兵分多路探索、需要自我反思与相互印证、需要在多条线索之间做汇总与取舍时，传统的链式思维（Chain-
阅读全文SIGGRAPH Asia 2025｜当视频生成真正「看清一个人」：多视角身份一致、真实光照与可控镜头的统一框架
第一作者徐源诚是 Netflix Eyeline 的研究科学家，专注于基础 AI 模型的研究与开发，涵盖多模态理解、推理、交互与生成，重点方向包括可控视频生成及其在影视制作中的应用。他于 2025 年
阅读全文视频生成DeepSeek时刻！清华&生数开源框架提速200倍，一周斩获2k Star
编辑｜杜伟在 2025 年的最后时刻，一个全新视频生成加速框架的开源宣告了：「等待数分钟才能生成一个视频」的时代已经终结！这个框架正是清华大学 TSAIL 团队与生数科技联合发布的 TurboDiff
阅读全文Agent「记吃不记打」？华为诺亚&港中文发布SCOPE：Prompt自我进化，让HLE成功率翻倍
机器之心发布在 LLM Agent 领域，有一个常见的问题：Agent 明明 "看到了" 错误信息，却总是重蹈覆辙。当 Agent 遇到工具调用错误时，错误日志里往往已经包含了解决方案 —— 正确的参
阅读全文顶刊TPAMI｜多模态视频理解领域重磅数据更新：MeViSv2发布
近日，多模态视频理解领域迎来重磅更新！由复旦大学、上海财经大学、南洋理工大学联合打造的 MeViSv2 数据集正式发布，并已被顶刊 IEEE TPAMI 录用。论文：MeViS: A Multi-Mo
阅读全文腾讯按下AI加速键，人才、组织、开源动作密集
编辑｜冷猫在外界感知中，腾讯在 AI 领域的动作更多被贴上稳健甚至克制的标签。但在 2025 年的尾声，从人才引进到产品迭代再到组织变革，一系列密集信号的发出，也侧面表明这个巨头正在按下加速键。12
阅读全文无需再训练微调，一个辅助系统让GPT-5.2准确率飙到创纪录的75%
编辑 | 杜伟、陈陈什么？决定 AI 上限的已不再是底座模型，而是外围的「推理编排」（Orchestration）。在 LLM 完全不变的前提下，仅靠一套 Agentic System，就能让 AI
阅读全文越狱成功率飙升至87.6%，南京大学联合美团、上交破解主流视频生成模型安全漏洞
来自南京大学 PRLab 的王淞平、钱儒凡，在单彩峰教授与吕月明助理教授的联合指导下，提出首个面向图生视频（I2V）模型的多模态自进化越狱攻击框架 RunawayEvil。本研究联合了美团、上海交通大
阅读全文字节做了个 AI 手机，钉钉做了台 AI 主机
编辑｜张倩、陈陈没想到，2025 年的最后一个月，AI 硬件圈竟然这么热闹。月初，豆包 AI 手机上线即刷屏。大家发现，原来让 AI 接管手机之后，那么多事情都可以自动化。但没想到，上线第二天，一些
阅读全文