BriefGPT - AI 论文速递 ·

Text-to-Image Diffusion Models Struggle with Counting, and Prompt Optimization is Ineffective

💡 原文英文，约100词，阅读约需1分钟。

📝

内容提要

本研究提出了T2ICountBench基准，用于评估文本到图像生成模型的计数能力。研究发现，现有模型在生成物体数量时表现不佳，尤其在数量较多时准确率显著下降。

🏷️

开源dsh-image-gen：在DeepSeek Harness聊天框直接生图修图
dsh-image-gen是DeepSeek Harness的AI图像插件，支持对话生图、连续编辑、Studio批量创作、多模型对比、500+Prompt...
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...
DeepSeek-V4 模型结构（3）：序列维度（下），HCA、混合排布与零件
本文详解DeepSeek-V4模型结构：HCA将128个token压缩为一条目，无需稀疏选择；CSA与HCA交错排布，确保全局信息不丢失；滑窗分支弥补压缩...
DeepSeek-V4 模型结构（2）：序列维度（中），Lightning Indexer 与稀疏选择
本文介绍DeepSeek-V4模型中的压缩稀疏注意力（CSA）机制。KV缓存每4个token压缩为一条，1M上下文仍有26万条目，故用lightning ...
DeepSeek-V4 模型结构（1）：序列维度（上），从 MLA 到压缩 KV
本文介绍DeepSeek-V4的注意力机制，从MHA到CSA/HCA的演进，重点分析压缩KV缓存的方法。V4将每4或128个token压缩为一条512维K...
DeepSeek-V4 模型结构（0）：一张图看懂 DeepSeek-V4
本文介绍DeepSeek-V4模型架构：Pro版总参数1.6T、61层，Flash版284B、43层，均采用4条残差流、交错CSA/HCA压缩注意力与Mo...