何恺明新作

这段时间，大神何恺明真是接连不断地发布新研究。这不，5 月 19 日，他又放出一篇新作！作者团队来自 CMU 以及 MIT。论文标题：Mean Flows for One-step Generative Modeling 论文地址：https://arxiv.org/pdf/2505.13447v1 ...

何恺明等团队新作新鲜出炉，再次大道至简— 他们引入平均速度，实现「一步生成」新SOTA。CMU博士生耿正阳一作，何恺明的学生邓明扬、白行健参与。他们提出的模型是从头开始训练的，没有任何预训练、蒸馏或课程学习，最终实现了...

最近，何恺明及其团队在生成模型领域又一次突破自我，推出了名为MeanFlow的模型，通过引入平均速度的概念，实现了‘一步生成’的新SOTA（State of the Art）技术。这项研究不仅让我们看到了生成模型的进步，也为未来的AI应用...

继上月末连发两篇论文（和）之后，大神何恺明又出新作了！这次的主题是「用于物理推理的去噪哈密顿网络」。物理推理包含推断、预测和解释动态系统行为的能力，这些是科学研究的基础。应对此类挑战的机器学习框架通常被期望超越...

更多实验结果参阅原论文。原标题：《何恺明新作“分形生成模型”：逐像素建模高分辨率图像，效率提升4000倍》

而大神何恺明的一项最新研究，对这个观点提出了「质疑」。受图像盲去噪研究的启发，我们研究了各种基于去噪的生成模型在没有噪声调节的情况下的表现。出乎我们意料的是，大多数模型都表现出了优美的退化，它们甚至在没有噪声...

何恺明新作：异构预训练 Transformers 字节团队提出残差连接替代方案 hyper-connections 苹果团队推出多模态大语言模型 MM1.5 PhysGen：更懂物理的“图生视频”新方法 智源研究院：基于下一个 token 预测的多模态模型 Emu3 想...

何恺明新作：无需矢量量化的自回归图像生成 mDPO：多模态大语言模型的条件偏好优化 哈佛、牛津团队提出 LLM 数据选择新方法 CoLoR-Filter 牛津大学新研究：将深度贝叶斯主动学习用于 LLM 偏好建模 ChatGLM 技术报告：从 GLM-...

MIT新晋副教授何恺明，新作新鲜出炉： 瞄准一个横亘在AI发展之路上十年之久的问题：数据集偏差。该研究为何恺明在Meta期间与刘壮合作完成，他们在论文中指出： 尽管过去十多年里业界为构建更大、更多样化、更全面、偏差更小的...

继上月末连发两篇论文（和）之后，大神何恺明又出新作了！这次的主题是「用于物理推理的去噪哈密顿网络」。物理推理包含推断、预测和解释动态系统行为的能力，这些是科学研究的基础。应对此类挑战的机器学习框架通常被期望超越...