让视觉语言模型像o3一样动手搜索、写代码！Visual ARFT实现多模态智能体能力

上海交大等团队推出多模态智能体训练方法 Visual-ARFT，让视觉语言模型有「工具智能体」能力，还开源项目。它能自动调用工具、拆解任务，团队构建 MAT-Bench 评测，其在多任务超 GPT-4o。

Axiom Math 对谈 SGLang：模型的下一步是可验证，结果层才是真正的护城河

在AGI Playground 2026圆桌论坛，Axiom Math联合创始人等探讨AI核心问题。提到AI进入生产环境，可验证或成瓶颈，还从长任务智能体、推理基建等多方面深入交流，如模型验证、基建优化等。

五百行代码打造SOTA视觉智能体！UniPat AI最新开源

多模态大模型代码能力强，但基础视觉任务常失误。UniPat AI推出极简视觉智能体框架SWE-Vision，让模型用代码弥补视觉短板，在五个主流视觉基准测试达最优。该框架设计独特，开源代码和数据已发布。

CVPR2026满分论文：Proxy-GS为结构化3D高斯溅射引入统一遮挡先验

上海交通大学钟志航团队等在CVPR 2026提出Proxy - GS，面向基于MLP的结构化3D高斯溅射，用轻量级代理网格将遮挡关系变为可见性信号。在推理和训练阶段发挥作用，在遮挡密集场景实现渲染加速，画质与速度均优。

从大厂设计师到超级一人公司：6000字回顾我和AI的2025

作者回顾2025年，身份从大厂设计师变为自由职业者，用AI加持做超级一人公司。自媒体上各平台粉丝量增长，开始做视频；社群活动帮创业者和会员；创作涵盖Vibe Coding、Agent、图像视频等；还介绍合作产品，展望2026年AI趋势。

劝人退学、庆幸没读博浪费5年，26岁DeepMind“传奇人物”：大厂内部分散，AI研究很低效

26岁的Neel Nanda是DeepMind“传奇人物”，他涉足机械可解释性研究四年成果丰硕。在与主持人对话中，他分享经验，认为大厂内部分散、AI研究低效，还谈及读博、AI安全研究、公司决策等看法。

Runway重夺全球第一！1247分碾压谷歌Veo3，没有千亿算力也能干翻科技巨头

Runway Gen - 4.5击败谷歌Veo3，以1247的ELO分数在Artificial Analysis榜单中重夺AI视频王座。它在多方面树立新标杆，虽有局限，但创始人认为其是通用模拟引擎，应用场景广泛。

英伟达4段简短提示词，IOI夺金！开源模型也能征服最难编程竞赛

英伟达研究者提出GenCluster框架提升开源LLM解题能力，让开源模型gpt - oss - 120b在IOI 2025获金牌级别高分。它执行‘海选+筛选+比拼+提交’流程，优势明显，标志开源AI里程碑式突破。

2025年4月17日消息，OpenAI 连发o3和o4 mini，o3为强大推理模型，o4-mini专为高效推理优化。它们能调用ChatGPT工具，可基于图像思考。OpenAI还开源本地代码智能体Codex CLI，兼容所有模型。

256G比5090还贵！内存一年暴涨3倍，全球为奥特曼豪赌买单

全球内存供不应求，价格一年暴涨3倍。奥特曼的采购锁定40%产能，巨头转向高利润AI产品致中低端内存锐减。2026年内存短缺或重塑市场，GPU也将涨价，大家都要为AI发展买单。