推荐文章8

GPT - 4o图像生成「核燃料」揭秘

机器之心2025-05-06

AI 摘要

我认为，GPT - 4o图像生成功能爆火，潜在空间是生成模型核心。Sander Dielman探讨其利用潜在空间提升效率和质量，介绍两阶段训练法、多种损失函数，还分析不同模型优缺点及潜在表征权衡，认为端到端学习目前尚早。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

复旦&引望WAM-Diff2让自动驾驶解码提速15.1倍

视觉-语言-动作（VLA）模型是端到端自动驾驶主流技术，但自回归解码架构有瓶颈。复旦大学与引望智能联合提出WAM-Diff2，实现自回归VLA向离散扩散模型迁移，解码加速15.1倍，多任务性能不降。

ByteDance Seed团队研究发现，文生图模型中自然语言Caption变长，不意味着模型获更多视觉监督，其信息量更能预测训练损失。团队提出Structured Prompt，从两侧提升文本条件，在多任务上取得显著提升。

7月7日，ICML 2026正会首日，雷峰网精选九篇Spotlight论文，涵盖生成模型、智能体系统等多领域。如SDEVI框架解决不规则时间序列生成难题，MASpoB让多智能体提示优化可行等。

ICML 2026大奖公布，杰出论文奖中两篇扩散模型论文获奖，立场论文奖指出AI安全工具被挪用问题。时间检验奖颁给DeepMind经典论文。获奖名单显示扩散模型研究热，AI安全需审视，AI研究进入深度清理阶段。