论文解读

猫先生Mr.Mao

世界模型之HY-World 2.0详解：生成完还能走进去——如何把文本、照片和视频变成可探索的 3D 世界【从零走向AGI】旨在深入了解通用人工智能（AGI）的发展路径，从最基础的概念起，逐步构建完整的知识体系。项目地址🔗：https://github.com/AI-mzq/From-Zero-to-AGI.git

就是一顿骚操作

Agent Loop 入门到深入：从 ReAct 到 LangGraph、Agents SDK 与 MCP这两年 “Agent” 这个词被用得很满：聊天机器人叫 agent，工具调用叫 agent，自动写代码叫 agent，多角色协作也叫 agent。真正值得抓住的不是名词，而是背后的循环结构：模型不再只是一次性回答，而是在“观察、思考、行动、再观察”的闭环里逐步推进任务。

就是一顿骚操作

Dropout：神经网络正则化的经典解读本文是对经典论文与 D2L 相关章节的原创中文解读，不是逐段翻译。参考来源、作者与许可说明见文末。深度神经网络最早给人留下的一个矛盾印象是：它们表达能力很强，也因此很容易把训练集里的偶然噪声当成规律。参数越多，模型越能记住训练样本；数据量不足时，这种“聪明”反而会变成脆弱。

就是一顿骚操作

Hermes Agent 入门到深入：会学习的开源 AI Agent 是怎么工作的这两天检索 “hermes-agent” 会发现一个很有意思的现象：它已经不只是 Nous Research 的一个 agent 项目，而是开始出现在一批周边工具、桌面壳、记忆系统、代码知识图谱和自托管平台的兼容列表里。

猫先生Mr.Mao

视频生成之LongLive-2.0详解：如何把 5B 长视频生成推到 45.7 FPS【从零走向AGI】旨在深入了解通用人工智能（AGI）的发展路径，从最基础的概念起，逐步构建完整的知识体系。项目地址🔗：https://github.com/AI-mzq/From-Zero-to-AGI.git

就是一顿骚操作

词嵌入 word2vec：Skip-Gram 与 CBOW 经典解读原文：Dive into Deep Learning classic 0.17.6, Word Embedding (word2vec) 作者：Aston Zhang、Zachary C. Lipton、Mu Li、Alexander J. Smola 原页面版本信息：D2L classic 0.17.6；页面 HTTP Last-Modified 为 2022-11-13 授权说明：D2L 英文开源书正文采用 Creative Commons Attribution-ShareAlike 4.0 Int

就是一顿骚操作

GPT-2 from scratch with torch：用 torch 从零实现 GPT-2原文：Posit AI Blog, GPT-2 from scratch with torch 作者：Sigrid Keydana（Posit）发布日期：2023-06-20 授权说明：原文页 “Reuse” 部分说明，Text and figures are licensed under Creative Commons Attribution CC BY 4.0。原文同时说明，来自其他来源的复用图片不在该许可范围内，并会在图注中以 “Figure from …” 标识。本文为中文翻译，保留原文结构、

就是一顿骚操作

生成对抗网络 GAN：生成模型的经典入门解读原文：Dive into Deep Learning classic 0.17.6, “Generative Adversarial Networks” 作者：Aston Zhang, Zachary C. Lipton, Mu Li, Alexander J. Smola 原文链接：https://classic.d2l.ai/chapter_generative-adversarial-networks/gan.html 页面版本信息：HTTP Last-Modified 为 2022-11-13；D

猫先生Mr.Mao

具身智能之OneTwoVLA详解：如何统一推理与行动【从零走向AGI】旨在深入了解通用人工智能（AGI）的发展路径，从最基础的概念起，逐步构建完整的知识体系。项目地址🔗：https://github.com/AI-mzq/From-Zero-to-AGI.git

猫先生Mr.Mao

从“更大”到“更会做事”：Kimi K3 的开放前沿智能路线【从零走向AGI】旨在深入了解通用人工智能（AGI）的发展路径，从最基础的概念起，逐步构建完整的知识体系。项目地址🔗：https://github.com/AI-mzq/From-Zero-to-AGI.git

猫先生Mr.Mao

具身智能之π0.5：如何用异构数据训练开放世界 VLA【从零走向AGI】旨在深入了解通用人工智能（AGI）的发展路径，从最基础的概念起，逐步构建完整的知识体系。项目地址🔗：https://github.com/AI-mzq/From-Zero-to-AGI.git

猫先生Mr.Mao

具身智能之 π0.7 详解：可控提示让机器人学会组合——如何把 VLA 推向通用泛化【从零走向AGI】旨在深入了解通用人工智能（AGI）的发展路径，从最基础的概念起，逐步构建完整的知识体系。项目地址🔗：https://ai-mzq.github.io/From-Zero-to-AGI/

猫先生Mr.Mao

具身智能之LingBot-Depth 2.0详解：LingBot-Vision 如何把空间感知带到 LingBot-Depth 2.0【从零走向AGI】旨在深入了解通用人工智能（AGI）的发展路径，从最基础的概念起，逐步构建完整的知识体系。项目地址🔗：https://ai-mzq.github.io/From-Zero-to-AGI/

2026十大LLM研究突破：扩散语言模型挑战自回归、Unicode隐形注入、AI操纵性评估 — 大模型从狂飙走向可控2026年5月，Hugging Face 论文热度榜上十篇高票 LLM 论文指向同一个方向：大模型的核心命题变了。

DeepSeek V4 深度解读——从“堆参数”到“双轴稀疏”的大模型架构革命大模型技术发展至今，已经从“参数竞赛”逐步进入“效率瓶颈期”。传统稠密架构的大模型，在面对长文本处理、知识密集型任务时，暴露出算力利用率低、显存开销大、关键信息易丢失等核心痛点。而DeepSeek V4的横空出世，凭借Engram条件记忆模块+MoE条件计算的双轴稀疏架构，创新性地实现了“记忆-计算分离”的范式突破，为大模型降本增效提供了全新的解决方案。本文将从技术原理、核心创新、实际效果三个维度，用通俗的语言拆解DeepSeek V4，并对比同类工具Cognee的核心差异，帮助读者搞懂大模型“高效运行”

Fast-DetectGPT：用“条件概率曲率”拆穿 AI 伪装的文本标题：Fast-DetectGPT: Efficient Zero-Shot Detection of Machine-Generated Text via Conditional Probability Curvature

Provable Robust Watermarking for AI-Generated Text：给大模型文字“打上隐形指纹”-　标题：Provable Robust Watermarking for AI-Generated Text -　作者：Xuandong Zhao, Prabhanjan Ananth, Lei Li, Yu-Xiang Wang -　机构：UC Santa Barbara -　年份：2023（arXiv:2306.17439v2） -　研究方向：大语言模型（LLM）、文本水印、鲁棒检测、理论保证、对抗攻击 -　核心方法名词：Unigram-Watermark、K-gram watermark、gree

清华大学联合项目论文解读 | MoTo赋能双臂机器人：实现零样本移动操作移动操作是机器人领域的核心挑战，它使机器人能够在各种任务和动态日常环境中为人类提供帮助。传统的移动操作方法由于缺乏大规模训练，往往难以在不同任务和环境中实现泛化。而现有操作基础模型虽在固定基座任务中表现出强泛化性，却无法支持移动基座运动，难以直接应用于移动操作场景。

论文解读 | Franka 机器人沉浸式远程操作：高斯溅射 VR 赋能的遥操框架研发与应用在工业制造、危险环境作业等领域，机器人远程操作技术是突破人类作业边界的关键手段。传统远程操作依赖2D 相机反馈与操纵杆控制，存在空间感知差、操作精度低、沉浸感弱等问题，难以满足复杂移动操作任务需求。

松灵斯坦福Mobile ALOHA同款 | 通过低成本全身远程操作实现双手机器人移动操控学习当前机器人移动操控领域存在两大关键问题，严重制约技术落地：硬件门槛高：传统双手机器人移动系统（如PR2、TIAGo）售价超 20 万美元，普通研究机构难以负担；且多数系统仅支持单臂或基础移动控制，缺乏 “双手 + 底座” 协同的全身远程操作能力，无法满足家务、烹饪等复杂场景需求。