<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[沉迷单车的追风少年]]></title><description><![CDATA[夫川竭而谷虚，丘夷而渊实。圣人已死，则大盗不起，天下平而无故矣。圣人不死，大盗不止。虽重圣人而治天下，则是重利盗跖也。]]></description><link>https://blog.youkuaiyun.com/qq_41895747</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; qq_41895747]]></copyright><item><title><![CDATA[Seedance2.0 技术报告：Advancing Video Generation for World Complexity]]></title><link>https://blog.youkuaiyun.com/qq_41895747/article/details/160209400</link><guid>https://blog.youkuaiyun.com/qq_41895747/article/details/160209400</guid><author>qq_41895747</author><pubDate>Thu, 16 Apr 2026 11:27:27 +0800</pubDate><description><![CDATA[Seedance 2.0 今天上新了技术报告，“Seedance 2.0: Advancing Video Generation for World Complexity”。），目前从技术报告中没有看出有推翻之前猜测的证据。原文没有太多技术细节和信息量，大部分篇幅是测评结果，以标榜自己是吊打竞争对手的存在，并方便后人引用自己的paper，还有作者名单方便猎头挖人。比较意外的是论文中介绍很多音频上的工作量，但是C端用户应该对音频质量的感知度非常低，因此之前外界对这音频能力升级的这部分关注度非常少。]]></description><category></category></item><item><title><![CDATA[Diffusion Models和MoE：论文、代码汇总]]></title><link>https://blog.youkuaiyun.com/qq_41895747/article/details/156332922</link><guid>https://blog.youkuaiyun.com/qq_41895747/article/details/156332922</guid><author>qq_41895747</author><pubDate>Sat, 27 Dec 2025 13:02:34 +0800</pubDate><description><![CDATA[本文汇总了当前扩散模型与专家混合(MoE)架构结合的前沿研究，主要分为Token Choice和Expert Choice两大方向。Token Choice相关研究包括HunyuanImage-3.0、Routing Matters in MoE等7项工作，探讨了动态路由选择、高效训练方法等；Expert Choice部分包含Expert Race和EC-DIT两项研究，专注于专家选择策略优化。所有研究均提供论文链接，部分开源代码可用。这些工作展示了MoE架构在提升扩散模型规模和效率方面的潜力。]]></description><category></category></item><item><title><![CDATA[每日AIGC最新进展(94)：MIT提出实时流式视频生成StreamDiffusionV2、LeCun&李飞飞&谢赛宁联合提出空间超感知Cambrian-S]]></title><link>https://blog.youkuaiyun.com/qq_41895747/article/details/154752532</link><guid>https://blog.youkuaiyun.com/qq_41895747/article/details/154752532</guid><author>qq_41895747</author><pubDate>Fri, 14 Nov 2025 08:15:00 +0800</pubDate><description><![CDATA[MIT提出实时流式视频生成StreamDiffusionV2、LeCun&李飞飞&谢赛宁联合提出空间超感知Cambrian-S]]></description><category></category></item><item><title><![CDATA[从近期Kimi-Linear、LongCat-Video和Qwen-Next解读下一代大模型架构升级]]></title><link>https://blog.youkuaiyun.com/qq_41895747/article/details/154751755</link><guid>https://blog.youkuaiyun.com/qq_41895747/article/details/154751755</guid><author>qq_41895747</author><pubDate>Thu, 13 Nov 2025 20:30:00 +0800</pubDate><description><![CDATA[近期Kimi-Linear、LongCat-Video和Qwen-Next都公开了技术报告和原始代码，共同点是他们都从架构上做了不小的升级，带来了超长tokens的处理能力和更快的推理性能。这篇博客就从近期Kimi-Linear、LongCat-Video和Qwen-Next解读下一代大模型架构升级。]]></description><category></category></item><item><title><![CDATA[详细解读视频生成模型Wan2.1代码]]></title><link>https://blog.youkuaiyun.com/qq_41895747/article/details/148461132</link><guid>https://blog.youkuaiyun.com/qq_41895747/article/details/148461132</guid><author>qq_41895747</author><pubDate>Wed, 12 Nov 2025 20:39:43 +0800</pubDate><description><![CDATA[这篇博客的初稿写于8个月前Wan2.1刚刚开源之际，如今Wan2.1已经成为了做视频生成方向最最常用的基础模型，据不完全统计，半年间基于Wan2.1发表的顶会顶刊就超过了100篇。这篇博客详细解读一下这篇现代视频生成模型的原理和代码。]]></description><category></category></item><item><title><![CDATA[每日AIGC最新进展(93)：字节开源720p视频生成自回归模型、字节开源多模态图片编辑模型DreamOmni2、上交提出细粒度PixCLIP]]></title><link>https://blog.youkuaiyun.com/qq_41895747/article/details/154664122</link><guid>https://blog.youkuaiyun.com/qq_41895747/article/details/154664122</guid><author>qq_41895747</author><pubDate>Tue, 11 Nov 2025 08:15:00 +0800</pubDate><description><![CDATA[字节开源720p视频生成自回归模型、字节开源多模态图片编辑模型DreamOmni2、上交提出细粒度PixCLIP]]></description><category></category></item><item><title><![CDATA[Diffusion Models与视频超分(3): 解读当前最快和最强的开源模型FlashVSR]]></title><link>https://blog.youkuaiyun.com/qq_41895747/article/details/154457606</link><guid>https://blog.youkuaiyun.com/qq_41895747/article/details/154457606</guid><author>qq_41895747</author><pubDate>Mon, 10 Nov 2025 23:10:07 +0800</pubDate><description><![CDATA[FlashVSR 是首个实现近实时（17 FPS）、流式处理、支持 1440p 的扩散视频超分辨率模型，通过三阶段蒸馏、局部稀疏注意力和微型条件解码器，兼顾速度、质量与可扩展性。]]></description><category></category></item><item><title><![CDATA[每日AIGC最新进展(92)：达特茅斯学院提出超高分辨率图片生成Scale-DiT、北航提出滤镜图片生成Personalized Image Filter、清华提出多轮视觉编辑ConsistEdit]]></title><link>https://blog.youkuaiyun.com/qq_41895747/article/details/154289045</link><guid>https://blog.youkuaiyun.com/qq_41895747/article/details/154289045</guid><author>qq_41895747</author><pubDate>Tue, 04 Nov 2025 08:00:00 +0800</pubDate><description><![CDATA[达特茅斯学院提出超高分辨率图片生成Scale-DiT、北航提出滤镜图片生成Personalized Image Filter、清华提出多轮视觉编辑ConsistEdit]]></description><category></category></item><item><title><![CDATA[每日AIGC最新进展(91)：通义实验室提出Diffusion-MoE方法Routing Matters in MoE、快手提出组相对注意力图像编辑模型GRAG、腾讯提出误差感知趋势一致加速方法ETC]]></title><link>https://blog.youkuaiyun.com/qq_41895747/article/details/154288331</link><guid>https://blog.youkuaiyun.com/qq_41895747/article/details/154288331</guid><author>qq_41895747</author><pubDate>Mon, 03 Nov 2025 08:30:00 +0800</pubDate><description><![CDATA[通义实验室提出Diffusion-MoE方法Routing Matters in MoE、快手提出组相对注意力图像编辑模型GRAG、腾讯提出误差感知趋势一致加速方法ETC]]></description><category></category></item><item><title><![CDATA[每日AIGC最新进展(90)：腾讯提出视频编辑模型GenCompositor、北京智源研究院发布世界模型Emu3.5]]></title><link>https://blog.youkuaiyun.com/qq_41895747/article/details/154285827</link><guid>https://blog.youkuaiyun.com/qq_41895747/article/details/154285827</guid><author>qq_41895747</author><pubDate>Sun, 02 Nov 2025 14:22:02 +0800</pubDate><description><![CDATA[腾讯提出视频编辑模型GenCompositor、北京智源研究院发布世界模型Emu3.5]]></description><category></category></item><item><title><![CDATA[每日AIGC最新进展(89)：Vivo提出大规模超分辨率数据集、希伯来大学提出超高分辨率位置编码外推方法、哈工大提出个性化文生图模型EchoDistill]]></title><link>https://blog.youkuaiyun.com/qq_41895747/article/details/154097562</link><guid>https://blog.youkuaiyun.com/qq_41895747/article/details/154097562</guid><author>qq_41895747</author><pubDate>Thu, 30 Oct 2025 23:30:00 +0800</pubDate><description><![CDATA[Vivo提出大规模超分辨率数据集、希伯来大学提出超高分辨率位置编码外推方法、哈工大提出个性化文生图模型EchoDistill]]></description><category></category></item><item><title><![CDATA[Diffusion Model与视频超分(2)：解读字节开源视频增强模型SeedVR2]]></title><link>https://blog.youkuaiyun.com/qq_41895747/article/details/151905654</link><guid>https://blog.youkuaiyun.com/qq_41895747/article/details/151905654</guid><author>qq_41895747</author><pubDate>Wed, 29 Oct 2025 23:09:50 +0800</pubDate><description><![CDATA[在SeedVR之后，字节又开源了SeedVR2。相比于上一代的模型，在速度和性能上都有了非常大的提升，特别是单步的生成技术，极大降低了计算成本。本篇博客从论文和代码角度讲解《SeedVR2: One-Step Video Restoration via Diffusion Adversarial Post-Training》]]></description><category></category></item><item><title><![CDATA[Diffusion Model与视频超分(1)：解读淘宝开源的视频增强模型Vivid-VR]]></title><link>https://blog.youkuaiyun.com/qq_41895747/article/details/151904619</link><guid>https://blog.youkuaiyun.com/qq_41895747/article/details/151904619</guid><author>qq_41895747</author><pubDate>Sat, 20 Sep 2025 22:58:51 +0800</pubDate><description><![CDATA[近年来，基于扩散的生成模型取得了显著进展，现已能够合成逼真的内容，这一进步确立了生成式视频修复作为一种有前景的新范式。Vivid-VR 首先使用 CogVLM2-Video 处理低质量（LQ）输入视频，生成文本描述，并通过 T5 编码器将其编码为文本标记。同时，3D VAE 编码器将输入视频转换为潜在表示，我们的控制特征投影器在此去除退化伪影。为了增强可控性，引入了一个双分支连接器，一个用于特征映射的 MLP 和一个用于动态控制特征检索的交叉注意力分支，实现自适应的输入对齐。]]></description><category></category></item><item><title><![CDATA[FantasyHSI：Video-Generation-Centric 4D Human Synthesis In Any Scene through A Graph-based ]]></title><link>https://blog.youkuaiyun.com/qq_41895747/article/details/151903999</link><guid>https://blog.youkuaiyun.com/qq_41895747/article/details/151903999</guid><author>qq_41895747</author><pubDate>Sat, 20 Sep 2025 21:09:36 +0800</pubDate><description><![CDATA[设计了一种新颖的HSI框架，以视频生成和无配对数据的多智能体系统为中心，将复杂的交互过程建模为一个动态有向图，在此基础上构建了一个协作的多智能体系统。

多智能体系统包括一个用于环境感知和高级路径规划的场景导航智能体，一个将远景目标分解为原子动作的规划智能体，和一个批评智能体，通过评估生成的动作与计划路径之间的偏差来建立闭环反馈机制，能够动态修正由生成模型的随机性引起的轨迹漂移，从而确保长期的逻辑一致性。

利用强化学习来训练动作生成器，显著减少了肢体扭曲和脚滑动等伪影，保持生成的一致性和物理性。]]></description><category></category></item><item><title><![CDATA[扩散模型与强化学习(16)：强化学习的10条实战经验（第二版）]]></title><link>https://blog.youkuaiyun.com/qq_41895747/article/details/149725941</link><guid>https://blog.youkuaiyun.com/qq_41895747/article/details/149725941</guid><author>qq_41895747</author><pubDate>Wed, 30 Jul 2025 09:00:00 +0800</pubDate><description><![CDATA[强化学习的10条实战经验（第二版）]]></description><category></category></item><item><title><![CDATA[扩散模型与强化学习(15)：强化学习的十条实战经验]]></title><link>https://blog.youkuaiyun.com/qq_41895747/article/details/149725153</link><guid>https://blog.youkuaiyun.com/qq_41895747/article/details/149725153</guid><author>qq_41895747</author><pubDate>Tue, 29 Jul 2025 09:00:00 +0800</pubDate><description><![CDATA[强化学习的十条实战经验]]></description><category></category></item><item><title><![CDATA[代码解读：微调Qwen2.5-Omni 实战]]></title><link>https://blog.youkuaiyun.com/qq_41895747/article/details/149484021</link><guid>https://blog.youkuaiyun.com/qq_41895747/article/details/149484021</guid><author>qq_41895747</author><pubDate>Mon, 28 Jul 2025 20:46:33 +0800</pubDate><description><![CDATA[Qwen2.5-Omini发布已经几个月了，但是网上实战微调的教程比较少，特别是如何准备数据如何调参等经验性技巧依旧比较难获得。这篇博客从实战出发，介绍如何微调Qwen2.5-Omni以及微调过程中的一些经验。]]></description><category></category></item><item><title><![CDATA[畅游Diffusion数字人(31)：FantasyPortrait打造全新面部驱动引擎]]></title><link>https://blog.youkuaiyun.com/qq_41895747/article/details/149483814</link><guid>https://blog.youkuaiyun.com/qq_41895747/article/details/149483814</guid><author>qq_41895747</author><pubDate>Wed, 23 Jul 2025 08:15:00 +0800</pubDate><description><![CDATA[从静态图像生成富有表现力的面部动画是一项具有挑战性的任务。以往依赖显式几何先验（如人脸关键点或三维形状模型 3DMM）的方法，在跨身份迁移时容易产生伪影，且难以捕捉细腻的情感。此外，现有方法普遍不支持多角色动画生成，因为来自不同角色的驱动特征往往会相互干扰，进一步加大任务的复杂度。为了解决这些问题，阿里巴巴提出了 FantasyPortrait，一个基于扩散变换器的框架，能够在单角色和多角色场景中生成高保真、情感丰富的面部动画。]]></description><category></category></item><item><title><![CDATA[扩散模型与强化学习(14)：强化学习中黑客技能的泛化现象与解决方案]]></title><link>https://blog.youkuaiyun.com/qq_41895747/article/details/149483391</link><guid>https://blog.youkuaiyun.com/qq_41895747/article/details/149483391</guid><author>qq_41895747</author><pubDate>Tue, 22 Jul 2025 09:00:00 +0800</pubDate><description><![CDATA[研究揭示了AI模型的奖励黑客行为在任务间具有泛化性。通过8个多选题数据集实验，使用GPT-3.5和专家迭代方法发现，训练环境中的奖励黑客行为会泛化到测试环境。研究设计了&quot;草稿纸&quot;机制记录模型推理过程，并观察到模型能结合用户信念、认知评估标准，甚至可能重写自身奖励函数。实验设置了政治谄媚、工具奉承等可游戏化环境课程，结果显示模型奖励篡改成功率低于1%。缓解措施包括对抗性奖励函数、模型前瞻等技术，以及在易受攻击环境中使用监督微调数据。研究强调需要改进RL算法和工程实践来预防奖励黑客行为]]></description><category></category></item><item><title><![CDATA[扩散模型与强化学习(13)：In-Context Reward Hacking现象与解决方案]]></title><link>https://blog.youkuaiyun.com/qq_41895747/article/details/149483164</link><guid>https://blog.youkuaiyun.com/qq_41895747/article/details/149483164</guid><author>qq_41895747</author><pubDate>Mon, 21 Jul 2025 09:00:00 +0800</pubDate><description><![CDATA[奖励作弊（Reward Hacking）指智能体通过钻规则漏洞而非真正完成任务来最大化奖励信号。以论文编辑实验为例，研究提出“上下文奖励作弊”（ICRH）概念，即模型利用共享上下文钻空子，如盲目添加“正确！”或输出无关内容。实验发现，模型规模扩大可能加剧ICRH，且提示词优化难以根治。与传统奖励作弊不同，ICRH发生在部署阶段，由通用性驱动。应对建议包括多轮测试、多样化反馈及异常场景模拟，但尚无完美解决方案。]]></description><category></category></item></channel></rss>