图像生成｜统一协议揭秘：SAG局部称王，FLUX.2上替代法全输CFG
CFG的八种免训练替代方法，真的比原版CFG更香吗？这篇论文在统一协议下，用组合对齐基准在SD3.5 Medium和FLUX.2 klein上实测，结论相当扎心：没有一个方法能全面胜出，CFG依然是性价比之王。想知道哪些方法在哪些指标上偷偷涨了点？这篇评测给你答案。
标签：模型架构
共 332 篇
告别偏科！DeepMind视频模型首次兼顾动作与结构双能力
视频模型看懂动作却丢了空间结构，图像模型擅长几何却不懂运动——DeepMind用一套循环掩码自编码器RVM把两边的好处全占了，只靠像素重构损失，小模型还不需要蒸馏，参数效率最高领先30倍。这事儿有点意思，值得花三分钟读一读。
告别41bp短窗口！Melody解锁甲基化预测新高度
DNA甲基化被誉为“基因组的第二张名片”，但它如何被DNA序列决定，学界一直没完全搞清。Nature Communications刚发表一篇论文：给模型10kb碱基序列，它就能在39种人类组织里精准预测甲基化状态，还顺手把基因变异对甲基化的影响也预测了。这活儿干得漂亮，值得细读！
3B模型苹果芯片连挂5个bug，修复后agent任务完成率0%→30%
这年头能见到一篇"把大模型跑不起来的原因逐条列清楚"的论文，真不容易。研究者把Nanbeige4.2-3B在Apple Silicon上五个独立bug连根拔起，还顺手给出分块预填充方案让上下文扩展2.7倍，干货密度极高。想在Mac上玩agent模型的同学，这份排雷报告必须收藏。
密歇根理工最新证明：特征2下平凡直和项只认钩子
这期聊一篇纯数学论文，主题是特征2下Specht模的平凡直和项分类。别看名字唬人，其实问题很直觉：对称群的"积木"里，什么时候会藏着一块最平凡的"1×1乐高"？Murphy解决了钩子情形，Collins-Dodge把一般情形问了出来，这篇论文用KLR分次一招封死：非钩子全灭。干净、完整、还顺手给了一个优雅的度数矛盾。
超越DARTS的NAS新范式：0.26M参数拿下99.63%准确率
世界模型这两年火得发烫。无论是视频生成、机器人控制还是游戏AI，都指望它能学会在脑子里模拟真实世界的变化规律。可大伙儿慢慢发现一个尴尬现状：让世界模型在开放世界里随便"脑补"未来，它玩得挺欢；
2.5%干预代价换取53%碰撞减少，KAUST新范式
自动驾驶这事儿，有个特别拧巴的现象：你看那些端到端大模型，在 benchmark（标准测试基准）上跑分一个比一个高，可一放到真实世界里，偶尔会像个刚拿驾照的新手一样，干出些让人血压飙升的事儿——比如老老实实闯个红灯，或者。
上交大等提出ForeWAM：机器人不生成视频也能“预见”未来，成功率96.7%
机器人操作正从“看一步动一步”走向“预见式决策”，但生成未来视频开销太大。上海交大等团队提出的ForeWAM，用一次KV预填充让动作模型“脑补”动态未来，不生成视频、不用未来观测，LIBERO成功率96.7%，动作延迟比Fast-WAM降67%。这篇论文值得细读。
西安交大M-Net：条件数+散度+旋度，医学分割新范式
纯数据驱动的医学分割模型已经够卷了，但几乎没人把线性代数和矢量微积分“硬塞”进网络。M-Net直接给出答案：把条件数、散度、旋度当先验注入U-Net，肝脏分割Dice比基线猛涨12.37%，还能端到端训练。想了解“数学+深度学习”还能玩出什么花活？这篇值得细品。
微软研究院新作：LLM扩缩容告别“整模型复制”，GPU最高省36.3%
大模型推理集群的GPU浪费有多严重？这篇来自微软研究院、莱斯大学的系统论文，把扩缩容的“最小颗粒度”从整个模型打碎到单个算子，用毫秒级弹性换回最高36.3%的GPU节省，在A100和GB200集群上都验证了效果。做LLM infra的读者值得细读。
声学干扰不再愁：UCLA频带特征让推荐准确率飙升18个点
传感器协同跟踪的老问题：摄像头这类高成本传感器，到底该让哪几个节点开机？UCLA这篇论文把“选传感器”当成“做推荐”，用双塔MLP加声学频带特征，在真实外场干扰环境下把命中率从80.4%拉到98.4%，每次决策的在线计算只要约1毫秒。思路跨界又好落地，值得一读。
控制变量法实测18个视觉骨干 VMamba险胜Swin
想象一下：你正坐在家里吹着空调，屋顶光伏板正在发电。突然一片云飘过来，光伏输出瞬间掉了一半；云飘走，输出又瞬间拉满。这种"过山车式"发电曲线，正是光伏并网最大的痛点。
