新技术

自回归模型（Autoregressive, AR）因其强大的序列建模能力，最初在自然语言处理中取得成功，随后被引入图像生成领域。这类模型将图像视为“视觉词元”序列，通过逐个预测 token 的方式重建...

在图像生成领域，扩散模型已成为主流架构之一。其训练过程基于一个理论上的“最优去噪器”——即在给定噪声水平下，能够最小化重建误差的理想函数。有趣的是，这一最优解虽然数学上可定义，却只能复现训练集中的样本...

在当前的语言模型评测中，我们通常采用“统一试卷”模式： 无论模型是刚起步的小型模型，还是千亿参数的顶尖系统，都使用同一套固定题目进行打分。 这就像让小学生和博士生做同一份数学卷子——看似公平，实则难以...

蚂蚁集团发布新型框架HANRAG，这是一个针对多跳问答任务的增强型检索-生成（RAG）框架，通过结合启发式方法和强大的“启示者”（Revelator）主代理，高效处理各种复杂性的问题，提高多跳问答系统...

达姆施塔特工业大学、华为诺亚方舟、伦敦帝国理工学院、牛津大学和伦敦大学学院的研究人员推出开源机器人学习框架Ark，通过提供一个基于 Python 的、易于使用的环境来加速机器人学习的研究和商业部署。 ...

在复杂任务中，如网页购物、虚拟环境导航或深度信息检索，大语言模型（LLM）作为智能体的表现正日益受到关注。然而，一个长期困扰研究者的难题是：这些任务往往只在最终成功或失败时给出奖励信号——中间成百上千...

在视觉生成领域，强化学习（Reinforcement Learning, RL）正成为提升模型表现的关键手段。其中，奖励模型（Reward Model, RM）作为引导生成方向的核心组件，直接影响最终...

由 Meta FAIR、卡内基梅隆大学与约翰霍普金斯大学联合提出的新框架 Darling（Diversity-Aware Reinforcement Learning for Generation...

在大语言模型（LLM）的训练流程中，“后训练”（post-training）是连接预训练与实际应用的关键阶段。当前主流方法主要包括两类：监督微调（SFT）和强化学习（RL）。前者依赖高质量演示数据，强...

在图像生成领域，精准控制光照一直是颇具挑战性的任务 —— 改变场景光照不仅要调整直接光源效果，还需协调反射、阴影、高光等连锁反应，涉及全图像及多频率范围的复杂关系。现有方法多依赖大规模特定领域数据集训...

在视频理解任务中，如何让机器“看懂”复杂的视觉场景？不仅要知道画面中有哪些对象，还要理解它们之间的互动关系——这正是动态场景图生成（Dynamic Scene Graph Generation, DS...

随着 AI 编程能力的快速演进，越来越多的模型可以“一键生成”完整应用。但一个问题随之而来：我们该如何判断这些 AI 生成的应用，是否真的可用？ 传统的代码评测方法，如 LeetCode 式的算法题或...