IDM 改善少步生图中的文字和细节
Intrinsic Distribution Matching 在分布匹配蒸馏中加入显式的特征统计约束,用生成器自身的指数移动平均副本提供特征,避免额外引入独立的特征编码器。
NEWS DESK·新闻资讯
查看来源为 arXiv 的资讯与动态,保留原文入口和发布时间。
共 466 篇
Intrinsic Distribution Matching 在分布匹配蒸馏中加入显式的特征统计约束,用生成器自身的指数移动平均副本提供特征,避免额外引入独立的特征编码器。

nanoMuse 技术报告提出跨设备共享对话的个人智能体,由用户自行运行中继服务,并选择底层模型。记忆以可阅读文件保存,动作经过专门的检查环节。


Investor’s Last Exam 用带版本和时间戳的金融数据库测试智能体,要求模型只能使用决策时已经存在的材料,避免在预测过去事件时偷看后来的结果。



PaddleOCR-VL-1.6 沿用紧凑文档解析模型的方向,先找出上一版中不稳定、覆盖不足或标注不可靠的区域,再针对这些问题增强数据。

ARIS 是一个自动科研执行框架,默认建议由一个模型推进研究,另一个模型家族的审查者检查中间产物并要求修改。它特别关注看似成功、实际上证据不足的实验结论。

SmolDocling 采用约 256M 参数的视觉语言模型,把整页文档转换为 DocTags 标记,记录内容、结构和空间位置,覆盖表格、代码、公式与列表等元素。

Next-Concept Modeling 把文本编码成多层离散表示,先确定较粗的概念,再逐层细化;同一层中的编码可以并行预测,减少逐字生成的串行开销。



一项研究使用稀疏自编码器提取文本检测器内部的特征,再筛选可用人类语言解释的概念,训练一个较轻的分类器。目标是说明模型为什么把一段文字判为 AI 生成。

Hy-Nomas 采用 8B 扩散主干,支持多轮文字指令与连续相机控制。模型结合当前输入和缓存历史生成不同长度的视频片段,并让动作指令只作用于对应时间范围。




AI-Infra-Guard 将安全检查分成基础设施、工具协议、智能体行为和模型四层,分别采用规则匹配、代码审查和行为测试等方式,而不是用一种检测器覆盖全部风险。

Hugging Face 的 Transformers 早期论文介绍了统一模型架构接口和预训练模型集合的设计,让研究者能够扩展新架构,也让开发者更容易复用已有模型。

COLLEAGUE.SKILL 从某个角色或个人提供的材料中提取实践方法、判断习惯和沟通规则,生成带版本的智能体技能包,方便检查、修正和迁移。

WeVisOne-VL 将物体级和像素级感知接入同一个视觉语言模型,覆盖检测、定位、计数、OCR、分割和抠图。模型通过特殊对象标记连接轻量像素解码器。

InteractiveWorld 让 AI 助手在模拟环境中指导一个会观察、理解并独立行动的人类代理,检验多轮建议如何影响后续结果。

RAG-Anything 将文字、图像、表格和公式视为相互关联的知识实体,通过双图结构组织跨模态关系与文本语义,再结合结构导航和语义匹配检索。


没有匹配的资讯,试试其他关键词。
