纯自回归图像生成模型开源来了，复旦联手字节seed共同捍卫自回归
纯自回归图像生成模型开源来了，复旦联手字节seed共同捍卫自回归基于Transformer的自回归架构在语言建模上取得了显著成功，但在图像生成领域，扩散模型凭借强大的生成质量和可控性占据了主导地位。
来自主题: AI技术研报
10285 点击 2025-04-19 15:01
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
基于Transformer的自回归架构在语言建模上取得了显著成功，但在图像生成领域，扩散模型凭借强大的生成质量和可控性占据了主导地位。
一个绝大多数用户都无法使用的功能，至少现阶段根本就没有意义。
今年的 GTC 大会，英伟达发布了通用机器人模型 GR00T N1，老黄特别提到未来重点关注的趋势是「Physical AI」（物理 AI）。
当前，所有主流的视觉基础模型（如 SigLIP、DINOv2 等）都仍然在低分辨率（如 384 * 384 分辨率）下进行预训练。对比人类视觉系统可以轻松达到 10K 等效分辨率，这种低分辨率预训练极大地限制了视觉模型对于高清细节的理解能力。
GPT - 4o、Deepseek - R1 等高级模型已展现出令人惊叹的「深度思考」能力：理解上下文关联、拆解多步骤问题、甚至通过思维链（Chain - of - Thought）进行自我验证、自我反思等推理过程。
人类生成的数据推动了人工智能的惊人进步，但接下来会怎样呢？
刚出道的 HiDream-I1，拿下了 Hugging Face 趋势榜第二（图像榜第一），Artificial Analysis 文生图第二，排在Midjourney、Google Imagen、FLUX、SDXL 之前，仅次于 GPT-4o 。
近日，AI教育科技公司SigIQ.ai募集了950万美元种子轮融资。虽然看起来是家名不见经传的公司，但投资阵容不容小觑。之所以能吸引诸多知名投资机构，主要在于SiglQ.ai切中了热门考试的AI备考领域。
知名科技记者马克·古尔曼曾在3月爆料，苹果公司的Siri可能要到2027年才能真正实现现代化的对话式功能。这个爆料并非空穴来风。苹果向来是科技行业的风向标，其遵循押注未来科技发展趋势，而非仅追求当前利益。在2023年，库克就宣布计划每年花费10亿美元开发生成式AI产品，但事实却是——与其他科技巨头相比，苹果的AI步伐迟缓无比。
苹果在2024年全球开发者大会上为Siri描绘了诱人的蓝图，承诺将成为iPhone的「超级大脑」。然而，仅仅九个月后，内部技术方向的反复摇摆和高管间的矛盾让这一愿景化为泡影。