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...
排序
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...
DynamicFace：一种面向图像与视频的高保真人脸交换方法
人脸交换（Face Swapping）技术旨在将一个人的身份特征迁移到另一个人的面部图像或视频中，同时保留目标人物的表情、姿态、发型和背景等属性。近年来，随着生成模型的发展，人脸交换已能生成高度逼真的...
OPPO 发布 OAgents：一个模块化、可复现的基础智能体框架
随着“智能体（Agentic AI）”成为 AI 发展的重要方向，各类框架层出不穷。然而，当前研究普遍存在评估标准不一、实现细节不透明、结果难以复现等问题，导致不同系统之间缺乏公平比较的基础。 为应对...
字节跳动Seed团队发布WideSearch：首个面向大规模信息收集的智能体评估基准
在信息过载的时代，获取“更多”并不等于“更有效”。真正制约效率的，往往不是找不到某个具体答案，而是面对海量目标时的系统性整理能力——比如，为一个行业筛选出上百家公司数据，或从成千上万条招聘信息中精准匹...
Agentic Web：通过AI智能体（AI Agents）来构建下一代互联网
上海交通大学、香港科技大学（广州）、利物浦大学、加州大学伯克利分校、上海创新学院、加州大学戴维斯分校、弗吉尼亚理工大学和伦敦大学学院的研究人员发布Agentic Web（智能体网络），它探讨了如何通过...
NXN Labs推出新型虚拟试穿框架Voost：通过一个统一的扩散变换器同时实现虚拟试穿（试穿目标服装）和虚拟试脱（从人像中重建原始服装）功能
NXN Labs推出新型虚拟试穿框架Voost，通过一个统一的扩散变换器（Diffusion Transformer）同时实现虚拟试穿（试穿目标服装）和虚拟试脱（从人像中重建原始服装）功能。 项目主页...
LaTCoder：将网页设计图像自动转换为代码
华中科技大学和重庆大学的研究人员提出了一种名为 LaTCoder 的新方法，将网页设计图像自动转换为代码（即设计到代码，design-to-code）。这种方法通过引入“布局即思考”（Layout-a...
微软推出 Agent Lightning：打通智能体开发与模型优化的“最后一公里”
在 AI 智能体（Agent）技术快速发展的当下，开发者已经可以通过 LangChain、AutoGen、OpenAI Agent SDK 等框架，快速构建具备工具调用、多轮对话和任务编排能力的智能系...
R-Zero：首个完全自进化的推理增强框架，无需数据即可提升大模型能力
由腾讯 AI 西雅图实验室、圣路易斯华盛顿大学、马里兰大学帕克分校与德克萨斯大学达拉斯分校联合提出的新框架 R-Zero，正在挑战当前大语言模型训练范式的边界。 项目主页：https://chengs...
