图像生成
图像,绘画
谢赛宁团队用RAE实现从8%到84%的飞跃，宣告VAE时代结束
谢赛宁团队提出的表征自编码器（RAE）架构在图像生成领域取得重大突破，将ImageNet图像生成的FID指标提升至1.13，标志着传统变分自编码器（VAE）时代的终结。...
程序员用AI写歌还赚钱了！用AI 批量生产“爆款”，这个副业“杀疯了”？
AI音乐创作正以前所未有的速度改变着艺术生产和消费的格局。2024年多个案例显示，由AI生成的音乐作品已具备市场竞争力：原神玩家用Suno制作的歌曲获得640万播...
黑洞物理学家加盟OpenAI，GPT-5 Pro半小时重现人类数天推导
理论物理学家Alex Lupsasca加入OpenAI for Science团队，标志着人工智能与前沿科学研究的深度融合迈入新阶段。作为物理学新视野奖获得者，Lupsasca的加盟源于...
打败 Qwen2.5-VL，完全开源可复现LLaVA-OneVision-1.5 的多模态模型
LLaVA（大型语言与视觉助手）的发展历程展现了开源社区在多模态模型领域的突破性进展。从2023年4月首次提出视觉指令微调方法，到2024年8月推出功能全面的LLaV...
“AI教母”李飞飞的全新世界模型问世！一张英伟达AI芯片就能生成无限3D世界
李飞飞团队的最新研究成果RTFM（Real-Time Frame Model）标志着生成式世界模型技术取得重大突破。该模型基于大规模视频数据训练，能够通过输入1张或多张2D图...
新豆包模型让郭德纲喊出发疯文学：(这班)不上了！不上了！不上了！！！
火山引擎近期对豆包语音大模型进行了重大升级，推出了豆包语音合成模型2.0和豆包声音复刻模型2.0。此次升级的核心目标是让AI语音从“像人”走向“懂人”，通过深...
Adobe 新研究：不用再「喂」训练数据，VLM 靠和自己玩游戏变聪明
视觉语言模型（VLM）面临数据稀缺和人类知识天花板两大核心挑战。当前训练方法高度依赖人工标注数据和强化学习奖励设计，导致多模态标注成本高昂，且模型能力...
大模型追逐星辰大海，GPT和Gemini国际天文奥赛夺金
大型语言模型在国际天文学和天体物理学奥林匹克竞赛（IOAA）中展现出接近或超越人类金牌选手的卓越表现。最新研究以2022-2025年IOAA试题为基准，系统评估了GP...
ICLR 2026惊现SAM 3，分割一切的下一步：让模型理解「概念」
Meta的研究团队可能推出了「Segment Anything」系列的最新版本SAM 3，相关匿名论文已提交至ICLR 2026。该论文提出了「可提示概念分割」（PCS）任务，通过文本...
今天，好像见证了属于SD时代的消亡。
国内著名模型开源社区liblib宣布升级至2.0版本，标志着以Stable Diffusion为代表的开源AI绘画时代迎来重大转折。公告中提及'开源生态遇冷'与'新用户找不到方...
