算法论文8

DiffThinker：扩散模型开启多模态推理新时代

机器之心2026-01-07

AI 摘要

上海人工智能实验室等团队发布 DiffThinker，打破传统多模态推理定式，以图像生成完成推理。实验中其性能碾压 GPT - 5 等模型，还证明当前‘以图思考’比‘以视频思考’更高效。

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。

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。

中国科学技术大学等多机构研究者发表综述，梳理超500篇论文，揭示扩散模型视觉内容合成“一致性危机”，介绍三类一致性关系、加强位置、评估问题，指出未来模型需具备冲突感知等能力。