BriefGPT - AI 论文速递 ·

SongComposer: 歌曲生成中用于歌词和旋律创作的大型语言模型

💡 原文中文，约500字，阅读约需2分钟。

📝

内容提要

InternLM-XComposer是一种高级视觉语言模型，能够理解和组合图像和文本。它具有交错式文本-图像组合、多语言知识理解和卓越性能等特点。该模型在主流视觉-语言基准测试中表现出色。

🏷️

Suno 歌词生成 API 对接说明
本文介绍Suno歌词生成API的对接方法。该API通过输入prompt（如“A song about winter”）自动生成歌词，支持default和r...
SenseNova-U1.5-8B-MoT 统一生成与理解，解锁原生多模态创作；DeepSeek-V4-Flash-Vision-Exp 拓展视觉理解新能力
商汤科技发布SenseNova-U1.5-8B-MoT统一多模态模型，支持图像生成、编辑与理解，提升4K画质和文字渲染。HyperAI官网更新数据集、教程...
蚂蚁 inclusionAI 开源 6B 统一图像生成与编辑模型 LLaDA-Image
蚂蚁集团开源统一图像生成与编辑模型LLaDA-Image，含6B参数，提供Base和Turbo两版本，支持文生图、编辑及中英文渲染。Turbo采用蒸馏技术...
Kimi K3 模型结构（10）：RL 与服务，状态住在哪里
本文介绍Kimi K3模型在1M上下文强化学习与线上服务中的系统设计，核心是状态管理。KV块和KDA状态通过write-back策略在GPU与DRAM池间...
Kimi K3 模型结构（9）：显存，把 2.8T 塞进 GPU
本文详解Kimi K3模型训练中的显存优化策略，通过账本形式分析权重、激活等内存占用，并介绍六项关键技术：均衡PP rank激活、统一激活管理器、MoE反...
DeepSeek-V4 模型结构（7）：结构决定系统
DeepSeek-V4模型采用混合压缩注意力（mHC），将KV缓存分为状态缓存和分页缓存，分别管理滑窗KV与压缩条目。上下文并行通过点对点通信和all-g...