Self-Forcing++：一种无需长视频训练即可生成高质量长视频的新方法
近年来，扩散模型在图像和短片视频生成方面取得了突破性进展。然而，当扩展到长视频生成（如数十秒甚至数分钟）时，现有方法普遍面临一个核心问题：质量随长度增加而显著下降。 这主要源于两个限制： 计算成本高...
排序
英伟达推出LONGLIVE：单卡实现实时交互式长视频生成
AI生成视频正从“几秒特效”迈向“分钟级叙事”。 长期以来，生成高质量、长时间连贯的视频是AI内容创作的一大瓶颈。传统扩散模型虽能产出精美画面，却难以支持实时生成；自回归方法虽具备推理加速潜力，又常因...
用 Wi-Fi 信号生成房间图像？LatentCSI 结合 AI 实现高分辨率空间重建
东京科学研究所的研究团队近日提出一种新方法——LatentCSI，能够利用日常 Wi-Fi 设备采集的无线信号，结合预训练扩散模型，生成高分辨率的室内布局图像。 论文地址：https://arxiv...
Q-Tuning：用“错误-不确定性”框架统一剪枝，提升微调效率
监督微调（SFT）正变得越来越重。 过去，SFT 只是大模型训练流程中的一个轻量级收尾步骤；如今，它已演变为一场计算密集型任务，其数据规模和训练成本常常逼近中期预训练阶段。在有限算力预算下，如何高效利...
Rolling Forcing：一种用于长视频生成的新型自回归扩散方法
在构建交互式世界模型、神经游戏引擎和沉浸式 XR 应用的道路上，一个核心挑战始终存在：如何实时生成高质量、时间连贯的长视频流？ 当前主流的自回归视频生成方法虽能产出单段短片，但在生成多分钟连续视频时...
SageAttention3 发布：FP4 推理加速与 8 位训练新探索
清华大学研究团队近日推出 SageAttention3，一项聚焦于提升 Transformer 注意力机制效率的新研究成果。该工作在推理阶段引入基于 FP4 的微缩放量化技术，并首次系统性探索了 8 ...
Windows ML 现已可用：让 AI 应用更高效运行在你的电脑上
微软宣布，其 Windows ML 平台现已正式进入生产可用状态，面向所有运行 Windows 11 24H2 及以上版本的设备开放。这一进展标志着 Windows 在本地 AI 能力上的关键落地...
潜在分区网络（LZN）：以共享高斯潜在空间，统一生成、表示与分类的机器学习新框架
在机器学习领域，生成模型（如 DALL・E 生成图像、ChatGPT 生成文本）、表示学习（如 CLIP 实现图文表示匹配）、分类模型（如 ResNet 进行图像分类）是三大核心方向，且各自都已取得成...
BranchGRPO：树状分支重构，破解GRPO图像视频生成对齐的效率与稳定性难题
在图像、视频生成领域，“让模型输出与人类偏好对齐”是关键目标——无论是生成符合审美标准的图像，还是帧间连贯的视频，都需要通过算法优化缩小模型输出与人类期望的差距。群体相对策略优化（GRPO）是近年常用...
RPG：一种用于统一且可扩展代码库生成的存储库规划图
微软、清华大学和加州大学圣地亚哥分校的研究人员推出一个名为 Repository Planning Graph (RPG) 的框架，用于从头开始生成完整的软件仓库。它通过将软件的功能规划和实现规划统一...
ST-AR：让自回归图像生成学会“先理解，再生成”
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...
局部性从何而来？MIT与丰田研究所揭示扩散模型中的数据驱动机制
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...
