AI拍视频，为什么总掐不准点？
论文提出时间上下文路由TCR，解决AI联合生成视频音频时无法精准遵循剧本时间安排的问题。相比最强基线，镜头边界误差降低96%，对话准确率从28.3%提升到84.1%，同时保持视觉质量与音画同步水平。
贝尔金为iPhone 18系列推出全场景配件全家桶，打造从保护到充电的完整体验
KV缓存里，扔掉的那些token真的重要吗？答案可能会让你意外
论文发现KV缓存淘汰的关键不在打分算法，而在是否保护好提示词。随机保留推理轨迹配合完整保留提示词，就能匹敌最强的打分方法，同时服务吞吐量提升32%到43%。
MPS发布MPQ6609A-AEC1：以高集成与智能诊断简化车载步进电机设计
当AI考试太简单，你该怎么给它出题？
腾讯混元团队提出环境进化方法，通过场景、技能、步数三个维度自动生成难度递增的终端任务环境，无需依赖模型试错即可持续产生训练信号，助力Qwen3.6系列模型在Terminal-Bench 2.1上提升14.4至18.0个百...
KNIC将南隆城打造为数据中心枢纽 深化粤港澳大湾区与越南投资纽带
为什么最容易出错的那部分，反而最经得起压缩
一篇研究发现，社区在4-bit量化大模型时一直刻意保护的Gated DeltaNet门控参数，实际上是架构里最不怕量化误差的部分，全量化后模型性能几乎无损，体积更小、速度更快。
没有对话数据，怎么教AI聊天式推荐？
本文介绍加州大学圣地亚哥分校团队提出的零数据对话推荐系统构建方法，利用商品评论、元数据和用户交互记录，通过大语言模型生成合成对话数据，无需真实对话语料即可训练出高效的对话式推荐模型。
"数据要素×"二等奖，中之杰科技的工业智能体从赛场走入工厂
WHALE：当AI智能体的"大脑"和"手脚"学会互相配合
论文提出WHALE方法，让AI智能体的模型权重与执行代码(harness)交替优化，而非孤立调整。在问答、数学推理、棋类任务上均超越单独优化方案，揭示不同任务瓶颈各异，两者协同能互相催化潜力释放。
PEC 2026 FDE实战营：FDE走到交付一线，企业AI开始看成本、效果和复制
PEC 2026 AI创新者大会“FDE实战营”分论坛，从医疗Agent的效果，到智算中心每百万Token的成本；从一个产品最后1%的落地，到甲方能不能接手系统；再到需求不断增加以后，乙方的人力该怎么投入。
当模型读出一个词的时候，它到底"看见"了什么
读完这篇论文，最触动我的其实不是SRP这套方法本身有多精巧，而是它揭示的一个更基础的事实：我们过去很多关于"模型在想什么"的判断，可能从一开始就建立在一个没被检验过的假设上。 "模型内部用哪种语言思考"这类结论，曾...
当AI画的海报，文字全是乱码的时候
一篇介绍腾讯混元等机构提出的Editable Visual Design方法的解读：用AI大模型做设计决策，图像模型按需生成独立素材，最终产出图层分离、文字可编辑的海报和信息图，兼顾美感与工程可维护性。