Luma AI推出新型生成模型框架IMM：实现仅 8 步 内生成高质量图像
Luma AI和斯坦福大学的研究人员推出新型生成模型框架 Inductive Moment Matching (IMM) ，旨在解决扩散模型（Diffusion Models）和流匹配（Flow Ma...
排序
全新LoRA训练方法ADDifT（交替直接差分训练）
背景与动机 LoRA（低秩适应）是一种参数高效的微调技术，广泛用于大语言模型和扩散模型（如Stable Diffusion）的定制化训练。然而，传统LoRA训练方法存在效率低和易学到无关特征（如背景或...
西湖大学推出一款具备自我进化能力的 GUI 代理AppAgentX
西湖大学 AGI 实验室张驰团队近日推出一款具备自我进化能力的 GUI 代理——AppAgentX，它能够在持续执行任务的过程中不断学习并优化自身行为模式，从而实现更高效的操作，为自动化任务执行带来了...
阿里巴巴提出START：显著提升大语言模型推理能力的创新工具
在大语言模型的发展中，尽管在理解和生成类人文本方面取得了显著进展，但在处理复杂推理任务时，尤其是需要多步计算或逻辑分析的任务，这些模型往往表现不佳。传统的思维链（Chain of Thought, C...
TheoremExplainAgent：用于生成长篇幅的定理解释视频（超过5分钟），并使用 Manim 动画工具实现可视化
滑铁卢大学和Vector 研究所的研究人员推出代理系统TheoremExplainAgent，用于生成长篇幅的定理解释视频（超过5分钟），并使用 Manim 动画工具实现可视化。 项目主页：https...
多粒度视频编辑框架VideoGrain：通过自然语言提示实现对视频内容的精细编辑
悉尼科技大学和浙江大学的研究人员推出多粒度视频编辑框架VideoGrain，通过自然语言提示实现对视频内容的精细编辑。多粒度视频编辑包括类别级（class-level）、实例级（instance-le...
深圳大学推出Attention Distillation：用于将参考图像的视觉特征（如风格、纹理、外观）转移到生成的图像中
深圳大学的研究团队介绍了一种名为 Attention Distillation (AD) 的方法，用于将参考图像的视觉特征（如风格、纹理、外观）转移到生成的图像中。该方法通过计算预训练扩散模型中的自注...
微软研究院推出新型采样策略RAS：用于加速DiT架构模型的生成过程
新加坡国立大学和微软研究院的研究团队提出了一种全新的扩散采样策略——区域自适应采样 (Region-Adaptive Sampling, RAS)。这是首个允许采样率在图像不同区域间动态变化的扩散采样...
高效稀疏注意力机制 SpargeAttn：加速大模型的推理过程，同时不损失模型性能
清华大学和加州大学伯克利分校的研究人员推出高效稀疏注意力机制 SpargeAttn，旨在加速大模型的推理过程，同时不损失模型性能。注意力机制在现代深度学习模型中扮演着重要角色，但由于其计算复杂度与序列...
DeepSeek开源周第五弹：高性能分布式文件系统 3FS和Smallpond 数据处理框架
在开源周的第五天，DeepSeek 正式发布了 3FS（Fire-Flyer File System）。这是一个专为现代 SSD 和 RDMA 网络设计的并行文件系统，旨在为深度学习等数据密集型应用提...
Hugging Face 发布开源Python库FastRTC，简化实时 AI 语音和视频应用
AI 初创公司 Hugging Face 近日推出了一款名为 FastRTC 的开源 Python 库，旨在简化开发者构建实时音频和视频 AI 应用的复杂性。这一创新工具的发布，标志着实时 AI 应用...
DeepSeek 开源周第四弹：DualPipe 和 EPLB 的发布
今天是 DeepSeek 开源周的第四天。与前三天相比，今天的开源项目公布稍晚一些，让关注者们等待得略显焦急，不过等待的结果总是值得的！DeepSeek 今日公布了两项重要的开源内容：DualPipe...
