图像生成模型调优新思路：让解码器“提前适应”生成器的潜变量
图像生成模型调优新思路：让解码器“提前适应”生成器的潜变量让图像生成模型先把图片压缩到潜空间，再由生成器在潜空间中作画，已成为常见路线。为了挑选图像编码器和解码器，研究者往往先看“重建”——把原图编码后再解码，所得图片是否逼真。
来自主题: AI技术研报
9521 点击 2026-10-10 12:34
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
让图像生成模型先把图片压缩到潜空间，再由生成器在潜空间中作画，已成为常见路线。为了挑选图像编码器和解码器，研究者往往先看“重建”——把原图编码后再解码，所得图片是否逼真。
人大高瓴 GeWu-Lab、智源研究院与燧行 AresoX 等机构提出 ROMA，构建 ROMI-2K、ROMA Bench 及 ROMA-7B，使机器人融合视听触力主动探索物体，并在 ROMA Bench 上以 72.9% 总体任务成功率基本追平 GPT-6 Astra。
Anthropic将在11月12日起生效的Claude使用政策中，禁止用户对Claude模型实施持续且不必要的虐待或残忍行为，主要由模型终止对话作为执法手段。
就在刚刚，特朗普把美国国家科学奖章，颁给了马斯克。 他在台上当众猛夸，「埃隆是我们当代的托马斯·爱迪生」！ 就在今天，同台领奖的，还有黄仁勋、苏姿丰、布林、纳德拉和戴尔。 全球最富的7个人
源策未来成立半年后首次系统性公开“全身智能”（WBI）实机成果，展示自研S0全身控制系统与S1模型在宇树 G1、加速进化 T2上的复杂地形控制、自主任务及跨本体验证。
西湖机器人发布通用大脑 WR1，完成全球首次人形机器人灵巧手自主折叠衣物公开演示，并实现从厨房到卧室的跨空间多步骤连续家务作业。
Anthropic公布天体物理学家Brice Ménard借助Claude Science整合卫星公开数据、推算未观测区域并叠加1.19亿颗恒星，完成首张无空缺的紫外全天图。
王虹与Zahl解决三维挂谷猜想集合版后，OpenAI在GitHub公开首批722篇数学手稿，其中175页四维稿主张证明一般四维挂谷集合满维，97页三维稿则针对更强的极大函数猜想，论证仍待独立检验。
OpenAgents、哥伦比亚大学等研究者构建多智能体协作评测基准AgentWorld，评测显示主任务最高完整成功率为Gemini 3 Flash的52.0%，并提出CCE指标分析协作贡献。
谷歌正在内部测试Gemini 4新版本Carbon，员工称其编程体验接近Opus 5.5，同时Argon、Barium及疑似gemini-4-flash-preview的模型线索曝光。