LMCache：为大语言模型加速的新一代缓存系统
随着大语言模型（LLM）在各类应用场景中的广泛部署，如何提升推理效率、降低延迟、节省资源成为关键挑战。近日，开源项目 LMCache 正式亮相，它是一个专为 LLM 服务优化的高性能缓存引擎，显著降低...
排序
英伟达联合团队提出新型连续时间流图（flow map）模型 AYF：统一扩散与流模型的少步生成方案
由英伟达、多伦多大学及矢量研究所联合提出一种新型的连续时间流图（flow map）模型Align Your Flow（AYF） ，显著提升扩散模型和基于流的生成模型的采样效率。这些模型虽然在图像与文本...
基于“幅度感知”的新型缓存机制MagCache：用于加速图像和视频扩散模型的生成过程
近年来，视频扩散模型在生成高质量视频方面取得了显著进展，但其计算成本高、推理速度慢的问题始终是落地的一大障碍。 为了解决这一难题，来自北京大学和华为的研究人员在最新论文中提出了 MagCache ...
香港大学 & 达摩院等联合推出：首个第一人称现实世界模拟器 PlayerOne
由香港大学、阿里达摩院、湖畔实验室和华中科技大学联合研发的全新现实世界模拟系统 PlayerOne 正式亮相。这是首个以第一人称（egocentric）视角为核心的现实世界模拟器，标志着AI在沉浸式交...
苹果推出可扩展生成模型STARFlow：基于归一化流（NFs），在高分辨率图像合成方面取得了显著的成果
苹果推出了一个名为STARFlow的可扩展生成模型，它基于归一化流（Normalizing Flows，NFs），在高分辨率图像合成方面取得了显著的成果。STARFlow的主要构建块是Transfor...
香港大学联合阿里团队推出 LayerFlow：重新定义视频生成逻辑
香港大学、阿里达摩院与湖畔实验室的研究团队近日发布LayerFlow——一款专为层感知视频生成设计的统一框架。不同于传统视频生成方案，LayerFlow通过分层提示机制，可同步生成透明前景、纯净背景及...
新型单步视频修复（VR）技术SeedVR2：通过扩散模型和对抗性后训练（APT）实现高效、高质量的视频修复和超分辨率
南洋理工大学和字节跳动的研究人员推出一种新型单步视频修复（VR）技术SeedVR2，通过扩散模型（Diffusion Model）和对抗性后训练（Adversarial Post-Training, ...
VLM-R3：增强多模态链式思考（CoT）的能力
北京大学国家软件工程工程研究中心、阿里巴巴和中科智库的研究人员推出VLM-R3的框架，增强多模态链式思考（CoT）的能力。VLM-R3通过动态和迭代地关注和重新访问图像区域，实现文本推理在视觉证据中的...
韩国科学技术院推出TIC-FT：用时间上下文微调解锁视频扩散模型的精准控制
在视频生成领域，我们正见证一场静默但深刻的变革。随着文本到视频扩散模型的质量不断提升，其输出已接近专业制作水平。然而，如何实现对视频生成过程的精确控制——例如根据特定图像或短片引导视频风格、动作或构图...
英伟达联合 MIT 与港大推出 Fast-dLLM：显著提升扩散模型推理效率
近日，英伟达（NVIDIA）联合麻省理工学院（MIT）与香港大学的研究团队，推出了名为 Fast-dLLM 的新型框架，解决当前扩散模型（Diffusion-based LLMs）在推理效率和生成质量...
用“Megakernel”打破LLM推理瓶颈：斯坦福Hazy Research实现Llama-1B史上最低延迟
在一些对响应速度极为敏感的应用场景中，例如对话式 AI 或人机协同的工作流系统，语言模型的推理延迟不仅影响效率，更直接影响用户体验。 以 Llama-3.2-1B 这类小型开源模型为例，在单序列生成任...
Darwin Gödel Machine（DGM）：能够自主修改自身代码的 AI智能体
在AI研究领域，一个长期目标是构建能够“无限学习”的系统——不仅在训练中学习，在部署后也能持续自我演化和提升。这一愿景的核心思想源自 哥德尔机器（Gödel Machine），它是一种理论上具备自修改...
