ICML 2025 Spotlight | 多模态大模型暴露短板？EMMA基准深度揭秘多模态推理能力
本文提出的基准有助于真正推动跨模态智能向更高层次迈进。
阅读全文 ：ICML 2025 Spotlight | 多模态大模型暴露短板？EMMA基准深度揭秘多模态推理能力
公众号
机器之心
专业的人工智能媒体和产业服务平台
这个来源的文章
AI生成视频总不符合物理规律？匹兹堡大学团队新作PhyT2V：不重训练模型也能让物理真实度狂飙2.3倍！
有效增强主流 T2V 模型在现实物理场景中的泛化与生成能力。
阅读全文 ：AI生成视频总不符合物理规律？匹兹堡大学团队新作PhyT2V：不重训练模型也能让物理真实度狂飙2.3倍！Index-AniSora：B站开源动画生成模型，斩获多项SOTA入选IJCAI25
番剧、国创、漫改动画、VTuber、动画 PV、鬼畜动画等多种二次元风格视频镜头一键生成！
阅读全文 ：Index-AniSora：B站开源动画生成模型，斩获多项SOTA入选IJCAI25ICML 2025｜如何凭「自动补全」实现100K生成3×加速？
TokenSwift 摆脱了传统自回归生成的性能枷锁，让我们在面对超长文本推理任务时，不再被时间与内存所拖累。
阅读全文 ：ICML 2025｜如何凭「自动补全」实现100K生成3×加速？ICML 2025 Spotlight | 用傅里叶分解探讨图像对抗扰动，代码已开源
该工作在保留语义信息和消除对抗扰动上取得了显著效果。
阅读全文 ：ICML 2025 Spotlight | 用傅里叶分解探讨图像对抗扰动，代码已开源图像分词器造反了！华为 Selftok：自回归内核完美统一扩散模型，触发像素自主推理
自回归（AR）范式凭借将语言转化为离散 token 的核心技术，在大语言模型领域大获成功 —— 从 GPT-3
阅读全文 ：图像分词器造反了！华为 Selftok：自回归内核完美统一扩散模型，触发像素自主推理85倍速度碾压：苹果开源FastVLM，能在iphone直接运行的视觉语言模型
FastVLM—— 让苹果手机拥有极速视觉理解能力
阅读全文 ：85倍速度碾压：苹果开源FastVLM，能在iphone直接运行的视觉语言模型ICML 2025 Spotlight｜南洋理工陶大程教授团队等提出基于RAG的高分辨率图像感知框架，准确率提高20%
一种无需训练基于 RAG 技术提高 MLLM 对高分辨率图像感知的方法。
阅读全文 ：ICML 2025 Spotlight｜南洋理工陶大程教授团队等提出基于RAG的高分辨率图像感知框架，准确率提高20%泛化性暴涨47%！首个意图检测奖励范式，AI工具爆炸时代意图识别新解法
近日，腾讯PCG社交线的研究团队采用强化学习训练方法，通过分组相对策略优化算法，结合基于奖励的课程采样策略，将其创新性地应用在意图识别任务上，显著提升模型在未知意图上的泛化能力。
阅读全文 ：泛化性暴涨47%！首个意图检测奖励范式，AI工具爆炸时代意图识别新解法DiffMoE：动态Token选择助力扩散模型性能飞跃，快手&清华团队打造视觉生成新标杆！
本文由清华大学和快手可灵团队共同完成。第一作者是清华大学智能视觉实验室在读本科生史明磊。
阅读全文 ：DiffMoE：动态Token选择助力扩散模型性能飞跃，快手&清华团队打造视觉生成新标杆！