「开源图像生成」共找到 5105 篇相关文章
规范对齐:回答前的深思,让安全与行为边界更清晰
OpenAI等厂商将规范融入大模型。上海交大等团队提出规范对齐概念,构建评测基准SpecBench,揭示主流模型不足。探索测试时深思方法,如Align3,能提升模型规范遵循度,项目已开源。
谁在赚钱,谁爱花钱,谁是草台班子,2025 年度最全面的 AI 报告
Nathan Benaich发布《State of AI Report(2025)》,如AI全景地图,覆盖研究、行业等领域。2025年AI业务赶上炒作,模型竞争激烈,开源、智能体等发展显著,还对未来一年AI发展作出预测。
Being-VL的视觉BPE路线:把「看」和「说」真正统一起来
北大、UC San Diego 和 BeingBeyond 联合提出 Being-VL 的视觉 BPE 路线,先将图像离散化并「分词」,再与文本统一建模,能缩短跨模态链路、保留视觉结构先验,还介绍了实现步骤、训练方式等。
SimpleTIR:让大模型“边写代码边思考”不再崩溃
SimpleTIR可解决多轮工具调用中训练崩溃问题。作者指出崩溃原因是分布偏移、低概率token链式雪崩和梯度爆炸。它采用void turn过滤,掐断崩溃链路,训练稳定,还催生多样推理行为,且工程友好已开源。
全流程国产GPU,上下文提速100倍!中国科学院发布「线性复杂度」类脑大模型
中国科学院自动化所李国齐、徐波团队发布国产自主可控类脑脉冲大模型SpikingBrain-1.0,训练推理全用国产GPU。它具线性复杂度,超长序列处理速度快,还开源7B模型,为类脑智能发展提供新思路。
Nano Banana官方提示词来了,附完整代码示例
Nano banana正火爆全球,谷歌推出官方提示词指南。文中展示其强大效果,如人物合照、生成动画视频、换脸等,还总结其5大核心功能,给出6类提示词及代码示例。
面向UE5的智能数字人系统
GMTalker是光明实验室媒体智能团队为虚幻引擎5.3打造的智能数字人系统,集成多种能力,适用于科研等场景。具备多功能特点,与其他开源方案对比优势明显,还介绍了环境要求、启动方式、配置、API等。
Nano Banana 邪修之王最强科研成果!教你自定义生图比例!
Nano Banana 出图有分辨率低和比例不可控问题。作者发现用垫图方式可控制其生图比例,已生成图片也适用,还给出操作方法、提示词,介绍不同平台效果及案例图下载方式。
老黄力推的 Physical AI,有人用开源框架打通了硬件的最后一道关
巨头加速布局Physical AI,全球AI云平台涂鸦智能用TuyaOpen开源框架破局,为开发者提供入场券。它可拆技术墙、通生态孤岛、跨商业化黑洞,还让开发者打造多样AI硬件,助力商业化。
评论送书 | 奇点何时到来?AI会成为人类的威胁吗 ?
文章从非线性非平衡多自由度系统研究视角探讨生成式AI发展态势,对‘规模增大引发相变实现奇点’及‘AI成人类威胁’观点存疑,指出人类智能与AI智能有差异,推荐《智能的真相:AI能替代人脑吗?》。