邓明扬与何恺明团队提出的新生成模型“漂移模型”将生成过程从推理阶段转移至训练阶段，实现单步生成。该模型通过“漂移场”机制对齐先验与真实数据分布，消除对抗训练的不稳定性，提升生成质量。在ImageNet基准测试中，漂移模型表现优异，刷新了单步生成纪录。

何恺明团队的新论文提出扩散模型应聚焦于去噪，直接预测干净图像而非噪声。新架构JiT（Just image Transformers）设计简化，避免复杂组件，实验表明其在高维空间中表现优越，生成质量高。

华为诺亚方舟实验室提出的视觉感知投机推理（ViSpec）算法，将多模态大模型的推理速度提升至最高3.22倍，同时保持生成质量。这一创新有效解决了现有方法在处理视觉信息时的效率问题，为多模态模型的应用提供了新方案。

研究发现，大语言模型在生成特定长度的文本时表现不佳，尤其在长文本生成方面普遍低于预期。新基准测试集LIFEBENCH评估了26个模型，结果显示大多数模型在长文本任务中的长度指令遵循存在显著不足，生成质量明显下降。

本研究提出了一种无训练方法RoPECraft，解决了视频动作转移中的训练需求限制。实验结果表明，RoPECraft在视频生成质量和量化指标上优于所有新方法，展现了其独特的有效性。

本研究提出了一种生成预训练自回归扩散变换器（GPDiT），旨在解决长距离视频合成建模问题，提升生成质量和运动动态建模，展现出在视频生成和少样本学习中的优异表现。

本研究探讨了文本到图像生成模型在文化适应性方面的不足，特别是对俄罗斯文化的理解。提出了一种基于文化代码的数据集处理方法，实验证明该方法能有效提高模型对俄罗斯文化的认知，改善生成质量。

本研究提出了一种新型对抗训练框架——平滑鲁棒潜VAE（SRL-VAE），显著提升了变分自编码器（VAE）的生成质量和稳健性。实验结果表明，SRL-VAE在图像重建和文本引导的图像编辑中表现出更好的生成质量和抗攻击能力。

本研究提出了AlayaDB，一种新型向量数据库系统，旨在提高大型语言模型处理长上下文的效率，降低硬件资源消耗，并提升生成质量。

InfiniteYou（InfU）是字节跳动推出的图像生成框架，基于Diffusion Transformers，能够保持人物身份一致性。它解决了身份相似度、图文对齐和生成质量等问题，采用InfuseNet提升身份保真度，并通过多阶段训练优化生成效果，表现超越现有方法。

本研究提出了“意图化对话”（SWI）概念，以解决大型语言模型在推理和问题解决中的意图表达不足。实验结果表明，SWI显著提升了推理能力和生成质量，尤其在数学推理和文本摘要任务中表现突出。

本研究提出了一种新范式，通过无序标记集合和双重变换机制，显著提升了图像生成的语义感知表示和生成质量。

本研究提出的Acc3D方法通过正则化分数函数学习和边缘一致性，显著加速了从单幅图像生成3D模型的扩散过程，计算效率提升超过20倍，生成质量也有显著提高。