TKG-DM：无需微调，让扩散模型精准生成色键背景图像
当前扩散模型已能生成高真实感、高文本忠实度的图像，但主流大规模文本到图像模型（如 Stable Diffusion）面临一大局限——难以生成“前景对象置于色键背景”的图像，若要分离前景与背景元素，往往...
排序
TransMLA 框架 + TPLA 机制：解决 GQA 模型迁移痛点，大幅提升 LLM 推理效率
由北京大学人工智能研究院、北京通用人工智能研究院与腾讯优图实验室联合提出的新方法 TransMLA，为大模型推理效率的提升提供了一条实用路径。该方法能够将已广泛部署的 GQA（Grouped Quer...
XQUANT：通过低比特量化和KV缓存重物质化来显著降低大语言模型推理过程中的内存消耗
加州大学伯克利分校、FuriosaAI、ICSI和劳伦斯伯克利国家实验室的研究人员推出一种名为XQUANT的技术，通过低比特量化和KV缓存重物质化来显著降低大语言模型（LLM）推理过程中的内存消耗。X...
港大、浙大联合快手提出Context-as-Memory：解决交互式长视频生成的场景一致性难题
香港大学、浙江大学与快手可灵团队的研究人员，针对当前交互式长视频生成中“场景易断裂、历史上下文难复用”的痛点，提出 Context-as-Memory（上下文即记忆） 方法。该方法通过将历史帧直接作为...
DuPO框架：通过双学习和偏好优化的方法，使大语言模型能够在没有标注数据的情况下进行自我验证和优化
字节跳动Seed团队和南京大学的研究人员推出DuPO框架，它通过双学习（dual learning）和偏好优化（preference optimization）的方法，使大语言模型（LLMs）能够在没...
北卡教堂山分校新研究：GPT-5、Gemini-2.5-Pro等顶级多模态大语言模型，竟难区分图像90°与270°旋转
北卡罗来纳大学教堂山分校的研究团队，针对多模态大语言模型（MLLMs）的空间视觉推理能力展开专项测试——聚焦“图像旋转角度识别”任务（判断图像是否旋转0°、90°、180°、270°）。 GitHub...
自动化桌面任务设计的框架COMPUTERRL：通过强化学习提升计算机桌面智能代理的操作能力
清华大学、智谱AI和中国科学院大学的研究人员推出一个名为 COMPUTERRL 的框架，通过强化学习（Reinforcement Learning, RL）提升计算机桌面智能代理（agents）的操作...
TLB-VFI：让视频帧插值更高效，时序信息与速度兼得
视频帧插值（VFI）是计算机视觉领域的关键任务——它能根据两个连续帧（过去帧(I_0)、未来帧(I_1)）生成中间帧(I_n)，让视频播放更流畅、压缩更高效。但现有方法始终面临“两难”：基于图像的扩散...
如何让图像生成模型“遗忘”一个概念？东北大学与MIT提出扩散模型概念擦除新方法
随着图像生成模型（如Stable Diffusion、Flux等）在质量和可控性上的飞速进步，其潜在风险也日益凸显： 生成裸露或暴力内容 模仿特定艺术家风格引发版权争议 复现受保护的商标或人物形象 现...
大模型 RL 加速新方案：FlashRL 实现无损量化 rollout
在大模型强化学习（RL）训练中，rollout 生成是耗时最长的环节之一。以 DAPO-32B 为例，rollout 阶段占据了约 70% 的总训练时间。这一瓶颈使得整个训练流程效率低下，尤其在大规模...
Echo-4o ：通过利用 GPT-4o 生成的合成图像数据来提升多模态生成模型的性能
上海人工智能实验室、中山大学、香港中文大学和北京大学的研究人员推出 Echo-4o 系统，通过利用 GPT-4o 生成的合成图像数据来提升多模态生成模型（如文本到图像生成、多参考图像生成等任务）的性能...
模型变强了，内部表示就更好了吗？MIT等提出“碎片化纠缠表示（FER）”假说
当我们看到大模型在各种任务上不断刷新性能纪录时，一个隐含的信念常常浮现：性能提升 = 内部表示更优。这种观点被称为“表示乐观主义”（Representational Optimism）——即认为随着模...
