AI生图新突破！一个模型同时接受文本和图像输入。 新模型FLUX.1 Kontext使用流匹配架构（Flow Matching），不再是文本编码器和扩散模型各干各的，与此前技术都不同。 最来自之前很火的Black Forest Labs，官方表示这一次能做到真正的上下文生成和编辑。 在编辑能力上，有人在著名的奥特曼尴尬照上P了一个小绿龙。 梦晨 发自 凹非寺 量子位 | 公众号 QbitAI 在生成能力上，有网友测试的猩猩打羽毛球细节也很丰富。 具体来说FLUX.1 Kontext有4个特性： 这次提供两种模型，专业版FLUX.1 Kontext [pro]更适合快速迭代，可基于之前的编辑 最高配版FLUX.1 Kontext [max]，在遵循提示、文字排版和一致性有所提高。 同时推出官方试玩平台Flux Playground，两种型号都可以选用 此外开放权重版FLUX.1 Kontext [dev]提供内测。 角色一致性：可跨场景保留元素 局部编辑：只针对特定部分而不影响其余部分 风格参考：以现有风格生成新场景 交互速度：以最小延迟进行迭代 提示词技巧 第三方平台Replicate对FLUX.1 Kont ...

FVG团队 投稿 量子位 | 公众号 QbitAI LLMs为什么总是灾难性遗忘？原来是功能激活在搞怪。 最近来自中国科学技术大学、香港城市大学和浙江大学的联合研究团队，通过对多个语言模型、任务序列和评估指标的系统分析，终于破解了 LLMs的灾难性遗忘之谜—— 遗忘行为具有高度的模型依赖性，而导致遗忘发生的本质却是功能激活的变化。 对此，团队基于函数向量构建遗忘分析框架，刻画和分析LLM内部功能的变化 （其中功能表示模型对某具体任务的处理能力，如求反义词、 乘法计算） ，进一步证实了遗忘并非简单地覆盖已有函数，而是 模型激活了带偏差的新功能 。 研究人员还设计了一种函数向量引导的训练方法 FVG ，在微调过程中可以有效保留并对齐函数向量，并在多个持续学习数据集上显著保护了 模型的通用学习能力和上下文学习能力。 目前相关研究论文已被ICLR2025 oral接收，代码也已在GitHub上公开。 接下来，我们一起来看看详细细节。 大语言模型的"记忆困境" 灾难性遗忘 是指模型在学习新任务时，之前学到的知识被新任务的学习过程所覆盖或干扰，导致模型在旧任务上的性能大幅下降。 例如，一个通用语言模型在学习新增的用户指令 ...

TON团队 投稿 量子位 | 公众号 QbitAI 人类在面对简单提问时常常不假思索直接回答，只有遇到复杂难题才会认真推理。 如果AI模型也能像人一样决定"要不要思考"，效率是否会大大提升？ 近日，香港中文大学联合新加坡国立大学Show Lab的研究者提出了一种名为 TON（Think Or Not） 的新颖选择性推理框架，让视觉语言模型（VLM）可以自主判断是否需要显式推 理。 实验表明，在不牺牲准确率的前提下，该方法显著减少了生成的思考链长度，使模型推理过 程更高效。 △ 图1："要不要思考"的示意 左侧示例问题简单，无需完整推理即可直接得出答案；而传统方法如GRPO仍然生成了冗长 的推理过程。右侧示例问题复杂，需要逐步推理才能得到正确答案。 TON框架令模型能够像人类一样，对简单问题直接作答（跳过冗余思考），对困难问题则给 出详尽的推理过程。 核心创新：引入"是否思考"的决策 TON框架的灵感源自人类决策过程：并非逢问必细想，而是视问题难易选择 思考或不思考 。 现有强化学习方法（如 GRPO，Group Relative Policy Optimization ）强调让模型在 回答前生成完整的推理链。 ...

西风 发自 凹非寺 量子位 | 公众号 QbitAI 波士顿动力带机器人看世界，Altas重磅升级了！ 现在，它具备 3D空间感 知 和 实时物体 追 踪 能力，可以自主执行更复杂的工业任务。 请看Altas在汽车工厂打工VCR： 小哥故意将汽车零部件丢在地上，只见它 36 0°转动头部环 顾四周 ，随后成功识别并将其放入正确位置： （就是偷感好重，笑死） 故意移动装置位置，它也能 精准感知到变化 ： 然后依旧稳稳地将零部件放入槽内： 头部和腰部都可360°旋转，干起活来那叫一个麻利： 据介绍，Altas的一系列功能升级源于波士顿动力团队对Altas感知系统进行的全新设计，融合了2D与3D感知技术、物体位姿追踪，以及基 于物理特性的精确校准方案。 网友看到该新成果后纷纷叫好。光是官方在YouTube上发布的视频就引来了 十余万人 围观，点赞量近8 k 。 网友纷纷表示Altas能够观察到物品掉落还会环顾四周观察，这个能力非常炫酷。 除此之外，关于全新能力具体实现，官方发布了技术Blog。 背后技术解析 波士顿动力团队表示，拿起一个汽车零件并将其放入正确的插槽，这一看似简单的任务对于机器人来说实际上并不容易。 ...

金磊 整理自 凹非寺 量子位 | 公众号 QbitAI 一个新的Benchmark，竟让大模型在 复杂 视频推理 这事儿上 统统不及格！ 这就是腾讯ARC Lab和香港城市大学最新推出的 Video-Holmes —— 如其名，它可以说是视频推理界的 "福尔摩斯测试" ， 通过让多模态大模型参与 " 推理杀人凶手 " , " 解析作案意图" 等高难度的推理任 务，以展现他们复杂视频推理能力的边界 。 而且Video-Holmes可以说是规避了现在业内已有的Benchmark痛点，即视频源和问题都偏简单，没法反映推理模型和非推理模型之间的差 距。 值得一提的是，这个Benchmark的 "一键测评懒人包" ，目前已经上线到了GitHub和HuggingFace，有做视频推理相关的小伙伴，可以去挑 战一下了（地址见文末）。 让大模型全军覆没的新Benchmark 正如刚才提到的，现有视频推理基准（如 VCR-Bench、MVBench 等）主要评估模型的视觉感知和接地能力。 举个例子 。 在这个例子中，为了寻找男人真正的死因，模型需要 主动思考 需要关注的视觉信息，并通过 逻辑关联 分散在不同视频片段中的多个相关 ...

S-GRPO的全称为序列分组衰减奖励策略优化（ S erial- G roup Decaying- R eward P olicy O ptimization），旨在提升大语言模型 （LLM）的推理效率和准确性，解决 冗余思考 问题。 S-GRPO团队 投稿 量子位 | 公众号 QbitAI AI回答问题太慢太长且无用，有没有能让大模型提前停止思考的方法？ 华为提出了首个在Qwen3上还有效的高效推理方法—— S-GRPO ，突破了思维链 「冗余思考」 瓶颈。 通过 "串行分组 + 衰减奖励" 的设计，在保证推理准确性的前提下，让模型学会提前终止思考， 推理提速60% ，生成更精确有用的答案。 S-GRPO适合作为当前Post Training（训练后优化）范式中的最后一步，在确保模型预先存在的推理能力不受损害的情况下， 使能模型在思 维链的早期阶段即可生成质量更高的推理路径，并在思考充分后隐式地提前退出 。 S-GRPO对单条完整推理路径进行分段截断 OpenAI o1, Deepseek-R1等推理模型依赖Test-Time Scaling law解决复杂的任务。 然而，过长的思维链序列的生成也显著增加了 ...

一水 发自 凹非寺 量子位 | 公众号 QbitAI 李飞飞押注的世界模型领域，迎来两位自动驾驶大牛创业新成果！ 无需任何游戏引擎，AI能以40毫秒/帧想象并实时生成视频。 40毫秒/帧啥概念？ 人类眨一次眼都需要100~400毫秒，所以现在AI几乎可以一瞬间创造视频了。 而且无需高端显卡，玩家可以实时观看，并与AI生成的世界交互了。 就像是在 探索一个平行宇宙 的感觉~ 那么，新玩家Odyssey究竟有哪些亮点呢？ 世界模型≠视频模型 一上来，Odyssey就在最新官方博客中解释： 世界模型≠视频模型 。 他们认为，乍一看世界模型好像是视频生成模型的完美应用，但后者的架构、参数和数据集实际上并不适用于前者。 而除了产品迅速引人关注，更值得说道的还是其背后研发公司。 两位联合创始人 Oliver Cameron 和 Jeff Hawke 均在自动驾驶领域有着深厚从业背景，虽然公司成立不到2年，但一亮相就获得了资本青 睐。 迄今为止，Odyssey已从EQT Ventures、谷歌GV和Air Street Capital等投资机构筹集了 2700万美元 （约合人民币1.9亿），皮克斯创始 人/图灵奖得主Ed ...

梦晨 鹭羽 发自 凹非寺 量子位 | 公众号 QbitAI 复刻DeepSeek-R1的长思维链推理，大模型强化学习新范式RLIF成热门话题。 UC Berkeley团队共同一作 Xuandong Zhao 把这项成果称为： 大模型无需接触真实答案，仅通过优化自己的信心，就能学会复杂推理。 具体来说，新方法完全不需要外部奖励信号或标注数据，只需使用模型自身的置信程度作为内在奖励信号。 与使用外部奖励信号GRPO相比，新方法在数学任务上不需要标准答案也能提升基础模型性能，在代码任务上表现得更好。 几乎同一时间，另外一篇论文《RENT: Reinforcement Learning via Entropy Minimization》也验证了相似的结论。 作者表示两者的主要区别在于使用 KL散度 和 最小化熵 衡量自信程度。 Dropbox工程副总裁看后表示： Confidence is all you need 。 "自信"驱动的强化学习 长期以来，训练大模型主要依赖两种方式： 要么需要大量人工标注（如ChatGPT的RLHF），要么需要可验证的标准答案（如DeepSeek的RLVR）。 前者成本高昂且可能引入偏 ...

明敏 发自 凹非寺 量子位 | 公众号 QbitAI 英伟达最新一季度财报出炉，不出所料，依旧亮眼。 而这一切还是在H20芯片受到出口限制影响下实现的。 财报公布后，英伟达股价盘后跳涨。 据了解，英伟达最强性能GB300芯片及相关组件在今年5月开始生产，在第三季度正式推出。这意味着接下来英伟达的营收和毛利率表现更加 值得期待。 但在出口限制的影响下，H20芯片的损失也在扩大，预计下一财季将达到80亿美元。 数据中心、游戏业务均创历史新高 总收入为 441.1亿美元 ，环比增长 12% ，同比增长 69% 。 非GAAP毛利率为 60.5% ，若排除 H20库存相关费用 ，毛利率可达 71.3% 。 数据中心收入占比最大，达到 391亿美元 ，环比增长 10% ，同比增长 73% 。 游戏业务收入为 38亿美元 ，创历史新高，环比增长 48% ，同比增长 42% 。 英伟达2026财年Q1的汇报期为2025年1月30日-2025年4月27日，本次财报表现超出预期。 2026财年Q1营收环比增长12%、同比大涨69%。 研发投入依旧上涨，同比增长46.7%，环比增长7.4%。 在业务划分上，英伟达主要包括四部分。 ...

LIFEBench团队 投稿 量子位 | 公众号 QbitAI 你是否曾对大语言模型（LLMs）下达过明确的 "长度指令" ？ 比如，"写一篇10,000字的长文，详细分析某个议题。"看似简单的要求，实际却往往让这些模型"力不从心"： 不是生成内容不足，就是重复啰嗦，甚至直接罢工拒绝生成。 一篇最新研究论文 《LIFEBENCH: Evaluating Length Instruction Following in Large Language Models》 对这一问题 进行了深入探讨，提出了一个全新的基准测试集 LIFEBENCH，系统评估大语言模型在长度指令遵循方面的表现。 研究结果揭示：这些看似无所不能的模型在长度指令，特别是长文本生成任务中，表现不尽人意。 当模型被明确要求生成特定长 度的文本时，大多数模型表现糟糕。 接下来，让我们一起来看看这篇论文是如何揭示这些"瓶颈"的！ LIFEBENCH：专注长度指令遵循的基准测试 LIFEBENCH，全称" L ength In struction F ollowing E valuation Bench mark"，是一套专门评估大语言模型在长度指令下表 ...