Video T1 是一种创新的视频处理技术，通过使用引导模型来拒绝不符合物理规律或用户指定提示的帧路径，显著提升了视频生成的质量。该技术的核心在于测试时计算（test time compute），这一方法在性能基准测试中表现出...

Midjourney近期发布了一项重要工作，旨在提升创意写作模型的多样性表现。该团队通过对一个较小的7B模型进行后训练，使其在创意写作任务中的表现超越了更大规模的开放和封闭模型。这一突破不仅展示了模型优化技术的潜...

DeepSeek最新发布的V3-0324模型在多个基准测试中表现优异，全面超越GPT 4.5，展现出显著的性能提升。这一新模型的推出不仅标志着DeepSeek在人工智能领域的技术突破，也为行业带来了新的技术标杆。V3-0324在自然语言...

OpenAI最新发布的GPT-4o在图像生成领域取得了显著进展，其核心亮点包括精确的文本渲染、强大的指令跟随能力以及多轮编辑功能。这些新特性不仅提高了生成图像的质量，还增强了其在复杂任务中的灵活性和实用性。GPT-4o...

近日，Unsloth团队宣布已成功解决了来自DeepMind的新开源权重模型——Gemma 3的一些技术难题。通过与Unsloth的工具包集成，开发者现在可以在免费的Google Colab实例上对Gemma 3进行微调训练。这一突破性进展不仅降低了...

近日，一项名为SISO的突破性技术引发了业界广泛关注。该技术通过在图像生成和编辑过程中迭代优化相似性损失，实现了无需训练的个性化处理。这一创新意味着用户可以在不进行复杂模型训练的情况下，快速生成或编辑出符...

LLaVA-MORE 是一项关于多模态大语言模型（Multimodal Large Language Models, MLLMs）的系统性研究，旨在评估不同语言模型和视觉骨干网络在 MLLMs 中的表现，并提供一个可复现的框架来比较这些架构。通过该研究，研...

DynamicVis 是一种用于遥感动态视觉感知的基础模型，能够高效解析超大型图像，同时显著降低内存和计算需求。该模型通过先进的算法优化，使得处理大规模遥感数据变得更为经济和高效，因此在遥感技术领域具有重要的应...