视觉Token无缝对齐LLMs词表！V²Flow：基于LLMs实现高保真自回归图像生成
视觉Token无缝对齐LLMs词表！V²Flow：基于LLMs实现高保真自回归图像生成视觉Token可以与LLMs词表无缝对齐了！
来自主题: AI技术研报
10307 点击 2025-04-03 15:48
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
视觉Token可以与LLMs词表无缝对齐了！
随着人工智能和大语言模型（LLMs）的不断突破，如何将其优势赋能于现实世界中可实际部署的高效工具，成为了业界关注的焦点。
大模型写代码早就是基操了，但让它写算法竞赛题或企业级系统代码，就像让只会煮泡面的人去做满汉全席 —— 生成的代码要么是 “铁板一块” 毫无章法，要么是 “一锅乱炖” 难以维护。
Genspark 是啥？我们在去年 6 月就有过介绍，Genspark 是由前百度小度的 CEO 景鲲和 CTO 朱凯华创业做的 Agent 产品，去年刚开始的定位还是 Agent Search Engine，到了今天升级了不少。并且在今年三月，官宣拿到了一亿美金的 A 轮融资。
PaperBench 是一个由 OpenAI 开发的基准测试，旨在评估 AI Agent 复现尖端 AI 研究的能 力。它专注于测试 AI 是否能理解研究论文、独立开发代码并执行实验以复现研究结果。
刚刚开源的新基准测试PaperBench，6款前沿大模型驱动智能体PK复现AI顶会论文，新版Claude-3.5-Sonnet显著超越o1/r1排名第一。与去年10月OpenAI考验Agent机器学习代码工程能力MLE-Bnch相比，PaperBench更考验综合能力，不再是只执行单一任务。
双人动作生成新SOTA！
昨天，我的群里被刷屏了。 因为即梦，灰度内测了他们即梦3.0绘图模型。没有任何预兆，没有任何宣传，就这么直接放了出来。 我的群里，拿到内测资格的朋友们，直接全部沸腾了。。。
“艺术家与人工智能”的张力正在持续紧张。OpenAI虽然声称避免复制“个别在世艺术家的风格”，但它一直在践行并推动政策允许AI对版权内容的训练；而小部分能够承担高昂诉讼成本的艺术家，却也因为版权法灰色地带而面临不确定的局面，更不要说那些不知名的艺术家们了。
字节有一个很实用但不怎么火的项目，叫 Midscene.js，Chrome 商店上的安装数仅有 1 万，它是一个由多模态模型驱动的前端自动化测试插件。自动化测试我平常很少用到，但我发现它特别适合用来写爬虫……