近期，来自墨尔本大学和华中科技大学的研究者们发布了一篇深度综述，从 MLSys 的思维出发，用一套新颖的「时间 - 空间 - 结构」系统行为视角对 KV cache 优化方法进行了系统性梳理与深入分析，并将相关资源整理成了持续维护的 Awesome 资源库，方便研究者与从业人员快速定位与落地。
这是一个拥有23.7k star的Skills开源项目。支持一键部署在Claude code、Codex以及最近非常火的Opencode。
大语言模型（LLMs）的爆发式增长引领了人工智能领域的范式转移，取得了巨大的工程成功。然而，一个关键的悖论依然存在：尽管 LLMs 在实践中表现卓越，但其理论研究仍处于起步阶段，导致这些系统在很大程度上被视为难以捉摸的「黑盒」。
2026 年 1 月过半，我们依然没有等来 DeepSeek V4，但它的模样已经愈发清晰。
胡宇航（网名 “U 航”），毕业于美国哥伦比亚大学，博士学位，首形科技创始人。长期专注于机器人自主学习的研究工作。研究成果发表于《Nature Machine Intelligence》，《Science Robotics》等国际顶级期刊。
机器学习部署在边端设备的时候，模型总是存储在云端服务器上（5G 基站），而模型输入输出总是在边端设备上（例如用照相机拍摄照片然后识别其中的目标）。在这种场景下，传统有以下两种方案完成机器学习的推理：
感谢AI！
AI 不再仅仅是操作和交互的对象，它开始成为 Coworker。
在3D角色动画创作领域，高质量动作资产的匮乏长期制约着产出的上限。
如果人类的大脑像现在的LLM Agent一样工作，记住每一句今天明天的废话，我们在五岁时就会因为内存溢出而宕机。真正的智能，核心不在于“存储”，而在于高效的“遗忘”与“重组”。
作者来自 Nanyang Technological University（MMLab） 与 SenseTime Research，提出 Prism Hypothesis（棱镜假说） 与 Unified Autoencoding（UAE），尝试用 “频率谱” 的统一视角，把语义编码器与像素编码器的表示冲突真正 “合并解决”。
RAG与agent用到深水区，一定会遇到这个问题： 明明架构很完美，私有数据也做了接入，但项目上线三天，不但token账单爆了，模型输出结果也似乎总差点意思。
一个智能驾驶系统，在迈向高阶自动驾驶的过程中，应当具备何种能力？除了基础的感知、预测、规划、决策能力，如何对三维空间进行更深入的理解？如何具备包含法律法规、道德原则、防御性驾驶原则等知识？如何进行基本的视觉 - 语言推理？如何让智能系统具备世界观和价值观？
今天，谷歌Veo 3.1终于迎来重磅升级，表现力直接爆表！ 这一次，谷歌特别优化了移动端体验。只需上传一些「素材图片」（ingredient images），就能轻松创作出更有趣、更有创意、画质极佳的视频。
2026 年刚开年，独立开发者圈子就炸锅了。
还记得那个穿着「Lululemon」紧身衣、主打温柔陪伴的家用人形机器人 NEO 吗？
提高大模型记忆这块儿，美国大模型开源王者——英伟达也出招了。
在 AI 辅助 Coding 技术快速发展的背景下，大语言模型（LLMs）虽显著提升了软件开发效率，但开源的 LLMs 生成的代码依旧存在运行时错误，增加了开发者调试成本。
站在 2026 年的开端回望，LLM 的架构之争似乎进入了一个新的微妙阶段。过去几年，Transformer 架构以绝对的统治力横扫了人工智能领域，但随着算力成本的博弈和对推理效率的极致追求，挑战者们从未停止过脚步。
如果说 2024 年我们还在惊叹于 AI 能写代码、能画图，那么 2025 年的关键词一定是：Agent（智能体）。
今天DeepSeek又发表了一篇论文，让AI解读，仔细读完，觉得很牛逼。
从ChatGPT爆火以后，就总有“AI太牛了，自己是不是要失业了”等等类似的声音出现。
2025 年，AI 智能体“跨过了鸿沟”，开始被更广泛、务实的用户群体采用，不再只是少数发烧友或愿景家在用。
还在看国内自媒体“二传手”的资讯？
哈喽，大家好，我是刘小排。 使用Claude Code最大的痛点是什么？其实不是贵，而是封号。因为就算使用Claude Max Plan 每月$200美金，虽然看上去贵，但是一个月能轻松用上价值数千美金甚至上万美金的token，是很便宜的。
过去几十年里，科学计算领域积累了数量空前的开源软件工具。
假如你是一个致力于将 AI 引入传统行业的工程团队。现在，你有一个问题：训练一个能看懂复杂机械图纸、设备维护手册或金融研报图表的多模态助手。这个助手不仅要能专业陪聊，更要能精准地识别图纸上的零件标注，或者从密密麻麻的财报截图中提取关键数据。
故事得从我们那个行业交流群说起。
“软工任务要改多文件、多轮工具调用，模型怎么学透？高质量训练数据稀缺，又怕轨迹含噪声作弊？复杂 RL 训练成本高，中小团队望而却步？”
近年来，视频扩散模型在 “真实感、动态性、可控性” 上进展飞快，但它们大多仍停留在纯 RGB 空间。模型能生成好看的视频，却缺少对三维几何的显式建模。这让许多世界模型（world model）导向的应用（空间推理、具身智能、机器人、自动驾驶仿真等）难以落地，因为这些任务不仅需要像素，还需要完整地模拟 4D 世界。
