SenseNova U1 是商汤发布的开源多模态模型，具备连续图文生成能力，能够同时生成文字和图片。该模型在信息图生成方面表现出色，采用 NEO-unify 架构，提升了生成效率和理解能力，适合创作者和开发者使用。SenseNova U1 的开源版本已在 GitHub 和 Hugging Face 上发布。
文章讨论了多模态大语言模型（MLLM）的发展，特别是在图文生成方面的挑战与进展。上海人工智能实验室提出了OpenING基准，包含5400个真实场景的图文实例，旨在提升模型的生成能力和评测准确性。新评估模型IntJudge通过人机协作标注，显著提高了评测一致性。研究表明，当前模型在图像生成质量上仍需改进，未来将继续扩展数据和优化模型。
本研究提出了GATE OpenING基准，解决了开放式交互图文生成评估中数据规模和多样性不足的问题。该基准包含5400个高质量标注实例，涵盖56个真实任务，展示了IntJudge模型在评估多模态生成方法方面的优势，为未来模型发展提供指导。
该文综述非自回归掩码生成模型的多领域应用：MAGVLT实现图文双向生成，MAgVIT用于视频生成，MIST提升问题生成、摘要与释义效果，语音识别模型速度提升7倍，BERT非自回归文本生成兼顾速度与质量，掩码解码生成多样图像标题，VampNet用于音乐合成与修补，MaskINT实现文本驱动视频编辑，DA-Transformer在翻译、摘要等任务领先。
完成下面两步后，将自动完成登录并继续当前操作。
