自回归模型

强化学习赋能3D生成：首个文本到3D的RL范式攻克几何与物理合理性难题 在大语言模型和文生图领域，强化学习（RL）已成为提升模型思维链与生成质量的关键方法。但当我们将目光转向更为复杂的文本到3D生成时，这套方法还会管用吗？ 近期，一项由西北工业大学、北京大学、香港中文大学、上海人工智能实验室、香港科技大学合作开展的研究系统性探索了这一重要问题。 论文链接： …

在人工智能生成内容领域，文本到3D生成技术正成为继大语言模型和文生图之后的下一个前沿阵地。这一技术旨在将自然语言描述转化为具有复杂几何结构、纹理细节和物理合理性的三维模型，其应用潜力覆盖数字孪生、游戏开发、工业设计、虚拟现实等多个关键领域。然而，与相对成熟的文本到2D图像生成相比，文本到3D生成面临着更为严峻的技术挑战：三维数据本身具有更高的维度复杂性、更强…

在人工智能生成内容领域，视频生成技术正经历从扩散模型向自回归架构的范式转移。字节跳动商业化技术团队最新提出的InfinityStar方法，凭借其创新的时空金字塔建模框架，在NeurIPS’25 Oral论文中展示了挑战当前主流Diffusion Transformer（DiT）视频生成方案的潜力。这一突破不仅体现在生成质量上，更关键的是在计算效率方面实现了数…

在人工智能技术快速演进的今天，多模态大模型正成为推动AI向通用人工智能迈进的关键力量。当业界仍在围绕自回归与扩散模型的技术路线展开激烈讨论时，北京智源人工智能研究院（BAAI）最新发布的悟界・Emu3.5模型，以其创新的“多模态世界大模型”定位，为这场技术辩论提供了全新的视角和答案。 Emu3.5不仅仅是一次常规的模型迭代，它被定义为“多模态世界大模型”（M…