质量无损，算力砍半！达摩院开源视觉生成新架构，出道即SOTA｜ICLR 2025
质量无损，算力砍半！达摩院开源视觉生成新架构，出道即SOTA｜ICLR 2025算力砍半，视觉生成任务依然SOTA！
来自主题: AI技术研报
7697 点击 2025-04-25 13:52
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
算力砍半，视觉生成任务依然SOTA！
复旦大学和美团的研究者们提出了UniToken——一种创新的统一视觉编码方案，在一个框架内兼顾了图文理解与图像生成任务，并在多个权威评测中取得了领先的性能表现。
RL + LLM 升级之路的四层阶梯。
近年来，具身智能领域发展迅猛，使机器人在复杂任务中拥有接近人类水平的双手操作能力，不仅具有重要的研究与应用价值，也是迈向通用人工智能的关键一步。
无需数据标注，在测试时做强化学习，模型数学能力暴增159%！
通过蒙特卡洛树搜索筛选高难度样本，ThinkLite-VL仅用少量数据就能显著提升视觉语言模型的推理能力，无需知识蒸馏，为高效训练提供了新思路。
在大语言模型（LLMs）竞争日趋白热化的今天，「推理能力」已成为评判模型优劣的关键指标。
你是否设想过，仅凭几张随手拍摄的照片，就能重建出一个完整、细节丰富且可自由交互的3D场景？
刚刚，清华大模型团队 LeapLab 发布了一款面向 Agent 协作的开源框架：Cooragent。
目前的视频生成技术大多是在短视频数据上训练，推理时则通过滑动窗口等策略，逐步扩展生成的视频长度。然而，这种方式无法充分利用视频的长时上下文信息，容易导致生成内容在时序上出现潜在的不一致性。