BriefGPT - AI 论文速递 ·

基于网格的连续正态表示用于异常检测

💡 原文中文，约500字，阅读约需2分钟。

📝

内容提要

最近的无监督异常检测方法依赖于辅助数据集或异常模拟样本，限制了适应能力。为解决此问题，提出了一种名为GRAD的无监督异常检测框架，包括扩散模型、自监督加权机制和基于补丁的检测器。实验证明了该框架在准确性和速度方面的竞争力。

🏷️

为什么AI生成的食物看起来那样
AI生成的食物图片常出现蠕虫状面条、孔洞等怪异现象，因扩散模型难以处理细长结构，且缺乏对食物本质的理解。训练数据含风格化或AI生成内容，加上提示词模糊，导...
Instagram的AI检测系统再次陷入混乱
Instagram的AI标签系统误将用户原创或轻微编辑的照片标记为“AI内容”，同时漏掉真正的AI生成图片。问题源于Meta对C2PA等元数据的检测不准确...
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...
DeepSeek-V4 模型结构（6）：优化器与稳定性，Muon
DeepSeek-V4采用Muon优化器，通过谱范数最速下降实现逐矩阵正交化，用Newton-Schulz迭代逼近SVD，混合系数提升小奇异值并精确稳定大...