大模型不需要深：一个递归技巧让数独生成器小5倍快3倍
模型大≠能力强？这篇来自洛桑联邦理工学院（EPFL）等机构的工作，直接把「递归循环」这一此前只在自回归模型里验证过的思路，正式引入了掩码扩散模型（MDM）。结果相当亮眼：一个6层Transformer循环5次，参数省5倍，模型小了，效果反而吊打30层模型！更绝的是，推理时去噪步数还能砍掉近3倍。龙哥觉得，这可能是近期最实用的模型「瘦身」思路之一。
标签：图像生成
共 101 篇
让AI画图"指哪打哪"！STAR新方法：让奖励信号精准导航，GenEval得分飙至0.9759
以前给AI发“大锅饭”奖励，生成区域无论主次都一个待遇，难怪画出来的图总在细节上翻车。这次STAR的方法挺巧妙——直接把模型里的注意力图拿来当导航，给“画什么”和“画在哪里”的区域多发奖励。效果是真不错，GenEval飙到0.97，而且计算量几乎没增加，属于花小钱办大事的典范。
告别显存焦虑！PPDM让3D扩散模型在普通显卡上跑出SOTA
3D扩散模型做医学图像翻译效果虽好，但训练时显存随分辨率三次方暴增，一张H100都勉强。PPDM (Pixel Puzzling Diffusion Model) 用像素拼图妙招，把空间尺寸“平移”成通道数，显存从49GB直降到6.94GB，效果还更稳。不是炫技，是真正解决落地痛点的好工作。
武汉大学最新研究：用扩散模型的"天性"反制模仿，一招让照片"神隐"
当你想保护自己的照片不被AI拿去“换脸”，现有方法都是在图像上加点看似“聪明”的扰动。但武大这项研究告诉你：别跟扩散模型死磕了，让它自我怀疑才是王道！一句话：用魔法打败魔法，效果直接翻三倍。
中科院发CVPR 2026：专攻风格一致性的奖励模型，效果吊打ImageReward
继之前我们聊过阿里"统一思考者"给AI画图装大脑、字节跳动"先想后画"解决图像编辑难题后，龙哥发现，AI图像生成领域对风格的控制越来越精细了。但一个核心瓶颈一直没解决： AI作画好不好看，谁来打分？ 通用奖励模型（比如ImageReward）根本不懂「风格」，只知道「像不像」或者「喜不喜欢」。今天这篇CVPR 2026的新作StyleDoctor，就是给风格
