arXiv ID:
2510.21223
基于功能双锚点的模型融合 / Model Merging with Functional Dual Anchors
1️⃣ 一句话总结
这篇论文提出了一种名为功能双锚点的新方法,通过模拟输入表示空间来更有效地融合多个训练好的模型,解决了传统参数融合方法的局限性,并在实验中表现出优越的融合效果。
基于功能双锚点的模型融合 / Model Merging with Functional Dual Anchors
这篇论文提出了一种名为功能双锚点的新方法,通过模拟输入表示空间来更有效地融合多个训练好的模型,解决了传统参数融合方法的局限性,并在实验中表现出优越的融合效果。
视频作为提示:视频生成的统一语义控制 / Video-As-Prompt: Unified Semantic Control for Video Generation
这篇论文提出了一种名为VAP的新方法,通过将参考视频作为语义提示来指导视频生成,无需额外训练即可实现高质量、多样化的可控视频生成,并在多种任务中表现出强大的零样本泛化能力。
LayerComposer:基于分层画布的多人物个性化图像生成 / LayerComposer: Multi-Human Personalized Generation via Layered Canvas
这项研究提出了一种名为LayerComposer的新方法,通过分层画布让用户能够像使用专业图像编辑软件一样,直观地放置和调整多个人物,从而生成高质量、无遮挡且身份特征保持准确的个性化图像。
ARGenSeg:基于自回归图像生成模型的图像分割方法 / ARGenSeg: Image Segmentation with Autoregressive Image Generation Model
这篇论文提出了一种名为ARGenSeg的新方法,通过将图像分割任务融入多模态大语言模型并采用图像生成方式,实现了更精细的像素级分割,同时大幅提升了推理速度。
AlphaFlow:理解与改进MeanFlow模型 / AlphaFlow: Understanding and Improving MeanFlow Models
这篇论文发现现有MeanFlow生成模型存在优化冲突问题,并提出了一种新的AlphaFlow方法,通过渐进式训练策略有效解决了冲突,在图像生成任务上取得了更快的收敛速度和更好的性能表现。
DyPE:面向超高分辨率扩散模型的动态位置外推方法 / DyPE: Dynamic Position Extrapolation for Ultra High Resolution Diffusion
这项研究提出了一种无需重新训练的动态位置外推技术,通过自适应调整扩散模型的位置编码来匹配生成过程中的频谱变化,从而在零额外采样成本下实现远超训练分辨率的图像生成,显著提升了超高分辨率图像的质量和细节表现。
从掩码模型到世界构建:一份世界模型构建指南 / From Masks to Worlds: A Hitchhiker's Guide to World Models
这篇论文为构建世界模型提供了一条清晰的实践路径,从跨模态的掩码预训练模型出发,经过统一架构、交互式生成模型,最终发展为具有长期记忆的系统,以实现持续一致的世界模拟。
Open-o3 视频:基于显式时空证据的视频推理 / Open-o3 Video: Grounded Video Reasoning with Explicit Spatio-Temporal Evidence
这篇论文提出了一个视频推理模型,它不仅能回答问题,还能自动标出视频中关键证据发生的时间和位置,通过专门构建的数据集和强化学习策略,在多个视频理解任务上取得了领先性能。
ARC-编码器:为大型语言模型学习压缩文本表示 / ARC-Encoder: learning compressed text representations for large language models
这篇论文提出了一种名为ARC-Encoder的通用文本压缩器,它能将长文本压缩成更少的连续表示,从而在不修改现有大型语言模型结构的情况下,显著提升推理效率并保持高性能,且一个编码器可适配多种不同模型。
RECALL:通过分层模型合并实现表示对齐的灾难性遗忘缓解 / RECALL: REpresentation-aligned Catastrophic-forgetting ALLeviation via Hierarchical Model Merging
这项研究提出了一种名为RECALL的新方法,它通过分析大语言模型内部表示来智能合并不同任务的模型,从而在无需历史数据的情况下有效防止模型在学习新任务时遗忘旧知识,并在多个自然语言处理任务中表现出优越的性能。
请先 登录 后再提交论文