LightGen模型由港科大与Everlyn AI合作开发，仅需8张GPU训练即可实现接近SOTA的高质量图像生成。通过知识蒸馏和直接偏好优化，显著降低了训练成本与资源需求，展现出在有限条件下生成高效图像的潜力。实验结果表明，LightGen在多个任务上优于现有模型，未来可扩展至其他生成任务。

本文介绍了一种基于提示的文本风格转换方法，利用预训练语言模型进行风格分类和编辑，实验结果表明其性能优于现有技术。研究提出了软提示调优和无标签文本样式转换等新方法，展现出较高的泛化能力和效率。

谷歌推出Gemini 1.5 Pro，支持处理长达100万个上下文Tokens的内容输入长度，性能优于1.0 Pro和1.0 Ultra版本，可处理超长内容和复杂推理任务。

通过优化方程，提出了一种新型距离方法，无需依赖分布假设、先验知识和特定训练机制，利用几何信息判断样本是否来自分布之外，并在基准数据集上进行实验证明其性能优越。

谷歌推出Gemini人工智能模型，性能优于OpenAI的GPT-4和人类，有3个版本：Nano适用于智能手机，Pro和Ultra性能更强。Gemini在智力测试中得分最高，可解决家庭作业问题和处理实时视频。Gemini接受文本、图像和声音训练，适应各种任务。

使用对抗式对比学习提出了一种用于多个图领域的预训练模型，性能优于基准模型、未经训练的模型和非转移模型，包括在评估时使用节点标签。

该文介绍了一种新颖的后训练采样算法，可以从生成模型的潜在空间中取样，使得重建的样本更接近真实图像。该算法速度快，性能优于基于高斯混合模型的采样技术，并在多个模型和数据集上展现了显著的改进。同时，该算法在估算潜在空间分布方面也表现出有效性。

该研究设计了一种词义消歧系统，使用主题模型，能够在上下文单词数增加的情况下扩展。在5个英语全单词WSD数据集上的评估表明，该方法优于当前最先进的无监督知识为基础的WSD系统。