#前沿研究
共 9137 篇相关文章
Speculative Forcing：自回归视频生成推理加速新框架
Speculative Forcing框架通过自适应计算分配加速自回归视频生成：将中间去噪估计视为草稿，提前接受成熟token并冻结输出，在LongLive上实现1.5倍加速（41.7 fps），在世界生成场景保持质量的同时提升1.35倍速度。
3D生成内容如何做到「有据可依」？新基准3DVerifierBench给出验证新范式
最新研究提出3DVerifierBench基准，覆盖10项任务评估3D内容验证能力。人类与最强模型GPT-6 Astra存在21.6个百分点差距，oracle选择可将3D生成事实成功率从26.7%提升至90.0%。
DK-VLM：把几何当位置，破解VLM空间推理难题
DK-VLM提出双核注意力机制，将几何信息作为位置信号直接调制注意力，而非融合三维重建特征。在VSI-Bench和ReVSI-32等六个空间基准上取得最优成绩，同时保持通用视频理解能力。
SoftCache：扩散Transformer的自适应步长缓存加速
SoftCache提出软缓存策略，利用陈旧度信号的余量自适应调整扩散Transformer的采样步长，在FLUX、HunyuanVideo和Wan2.1上实现3.5倍至6.9倍加速，且无需训练、不增加骨干网络参数。
P³-WAM：统一世界动作模型实现第一视角灵巧操作
P³-WAM 是一种统一世界动作模型，通过 Perceive、Predict、Plan 三种模式共享权重，在第一视角灵巧操作中同时实现 3D 手部重建、动作条件视频预测与目标导向规划，跨四个数据集超越专用基线。
扩散动力学驱动的Token合并：DaTMe加速图像生成
DaTMe 提出基于扩散动力学的 token 合并框架，利用 Tweedie 去噪估计构建重要性图，在 PixArt-a 和 FLUX 上实现无需训练的扩散模型加速，同时保持整图视觉保真度。
Gen4P：视频生成器如何变身4D感知器
Gen4P 提出将预训练视频生成器转化为前馈式4D感知器，无需迭代去噪即可从单目视频恢复4D几何与运动，在3D点跟踪、视频深度和相机位姿估计上达到领先或竞争力水平，并引入连续时间查询与冻结几何先验插件。
科技前沿谷歌Gemini Omni 1.2 Flash发布：15秒视频与对话式编辑
谷歌发布Gemini Omni 1.2 Flash视频生成模型，原生时长提升至15秒，支持多轮对话式局部编辑、多模态参考与一致性控制，API价格下调30%，面向电商广告与短视频矩阵等量产场景。
顶会论文频遭“桌拒”：ICLR投稿乱象与同行评审困境
ICLR 等 AI 顶会桌拒现象引发热议。审稿人花 4 小时审稿却被告知论文被桌拒，多账号绕过投稿限制、投稿量与审稿资源失衡等问题浮出水面。本文分析桌拒的成因、争议与对学术生态的影响。
CUDA加速火箭联盟强化学习：设备驻留仿真让训练提速百倍
开发者将火箭联盟物理引擎移植到CUDA，构建GPU驻留仿真环境CARL。数千局游戏并行运行，训练超越Nexto的智能体仅需数小时，原需数周。探索GPU加速强化学习的新路径。
Meta开源816B MoE模型Muse Spark：1M上下文，开放权重新标杆
Meta发布Muse Spark Open开放权重MoE模型，总参数816B、激活42B，支持1M token上下文，在MCP-Atlas上领先开源模型，可在两台M5 Ultra Mac Studio上运行。
ChatGPT文本水印解析：欧盟强制上线，检测与去除真相
OpenAI自2026年10月起在欧盟为ChatGPT和Codex文本嵌入隐形水印textGrain，API全球可选。本文解析水印原理、检测限制、去除方法，对比Claude与Gemini方案，并梳理欧盟AI法案第50条合规时间线。
开发者周刊：GitHub账号劫持风波与Meta开源模型Muse Spark
本周开发者要闻：约1900个GitHub账号遭劫持并波及3万仓库，Meta发布可本地运行的开源模型Muse Spark，Nvidia将74B Agent模型压缩至24GB显存，OpenAI缩短GPT-4o API关闭通知期，BIPM决议停止新增闰秒。
Gemini 4 Argon跑分背后的真相：默认模式、定价陷阱与迁移坑
Gemini 4 Argon 跑分数据是在 High 模式而非默认 Medium 下测得的，输入价格 $2/百万 token 只是 introductory rate，未来将翻倍。本文拆解 API 迁移坑、开发者真实反馈，以及是否值得切换。
Qwen-Image-2.1 在 RTX PRO 6000 上的 15 图测试
独立评测 Qwen-Image-2.1 在 NVIDIA RTX PRO 6000（96 GB）上的表现：15 张固定种子测试，1 MP 平均 9.378 秒/张，原生 2K 52.021 秒，全部无显存溢出，排版与 RGBA 透明度表现突出。
Meta开源816B大模型Muse Spark Open：权重可下载，本地跑不动
Meta发布Muse Spark Open开放权重模型，816B参数MoE架构，100万token上下文，支持多模态和Agent编程。权重免费下载但本地运行需1TB内存，许可证有署名和商业使用限制。
BERT分词瓶颈前移：归一化竟吞掉88%编码时间
BERT分词性能剖析显示，归一化消耗了bert-base-uncased英文编码88%的时间，WordPiece仅占8%。本文解读Simon Brandeis的优化方案：向量指令跳过ASCII、页缓存加速非ASCII脚本，正确理解5.7倍加速的基线，以及为何RAG与嵌入服务应单独测量分词开销。
资深AI工程师谈Agent热潮：定义、生产实践与真实挑战
资深AI工程师深度剖析Agent热潮：为何Agent定义被稀释导致工程错误？生产环境中真实Agent部署长什么样？框架之争为何是干扰？RAG分块问题、未来工程技能方向等一线视角分享。
