2026 刚来到 2 月，无论是底层模型大厂还是初创公司统统加速开卷，其中 Agentic Memory 方向的快速进化更是把大模型的能力上限推向了 NEXT LEVEL!
刚刚，何恺明团队提出全新生成模型范式漂移模型（Drifting Models）。
近年来，Vision-Language Models（视觉 — 语言模型）在多模态理解任务中取得了显著进展，并逐渐成为通用人工智能的重要技术路线。然而，这类模型在实际应用中往往面临推理开销大、效率受限的问题，研究者通常依赖 visual token pruning 等策略降低计算成本，其中 attention 机制被广泛视为衡量视觉信息重要性的关键依据。
扩散语言模型（Diffusion Language Models, DLLMs）因其多种潜在的特性而备受关注，如能加速的非自回归并行生成特性，能直接起草编辑的特性，能数据增强的特性。然而，其模型能力往往落后于同等规模的强力自回归（AR）模型。
开年，DeepSeek论文火遍全网，内容聚焦大模型记忆。
在大模型时代，从代码生成到数学推理，再到自主规划的 Agent 系统，强化学习几乎成了「最后一公里」的标准配置。
空气炸锅“叮”了一声。
又一位大佬准备对现有 AI 技术范式开刀了。
近日，美团推出全新多模态统一大模型方案 STAR（STacked AutoRegressive Scheme for Unified Multimodal Learning），凭借创新的 "堆叠自回归架构 + 任务递进训练" 双核心设计，实现了 "理解能力不打折、生成能力达顶尖" 的双重突破。
作为具身智能领域的代表性玩家，由上海交大系技术“双子星”——何弢博士与廖文龙博士联手掌舵的酷哇科技（Coowa），近期发布了其核心技术底座——COOWA WAM 2.0世界模型。
