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。

本研究提出了一种广义化掩蔽扩散方法，克服了语言模型在生成过程中无法修改已生成词汇的局限性。通过结合掩蔽与均匀噪声，显著提高了样本质量，并增强了模型的自我纠错能力。

本研究探讨了在知识密集型任务中如何有效利用外部知识来增强生成过程。通过上下文学习和迭代提示策略，优化推理计算显著提升了性能。

本研究提出了一种新方法，通过对抗性无关信息作为负样本，增强生成过程中的上下文基础。该方法不需要额外训练，在实验证明其可行性和有效性，并优于现有方法。

本研究提出了DreamSparse框架，利用预训练的扩散模型合成高质量图像。通过几何模块抓取3D特征，转化为空间信息指导生成过程，并改进2D扩散模型以保证生成几何一致。实验证明该方法有效。

本文介绍了一个名为Americano的新框架，利用代理互动将生成过程分解为基于论证理论的连续动作序列，并引入了一个论证改进模块。结果表明，该方法优于端到端和连续思考提示方法，能够生成内容丰富、条理清晰、有说服力的各种论证。

NovelEpubMaker是一个.NET类库工具，用于制作Epub电子书。该类库将Epub电子书的生成过程抽象为一个对象：NovelEpub，包含元数据、封面图片、样式信息和小说章节信息。使用NovelEpubMaker类库生成Epub电子书非常简单，适用于TXT转Epub等场景。

该文介绍了一个新的3D动作数据模拟引擎，展示了其在图像分类、动作识别和探索更复杂动作识别任务方面的潜力。作者还训练和测试了一系列常用的图像识别模型，以展示数据集和其生成过程的潜在应用和功能。

本研究提出了DreamSparse框架，利用预先训练的扩散模型合成高质量图像。通过几何模块抓取3D特征，并转化为空间信息来指导生成过程。改进2D扩散模型以保证生成几何一致的图像。实验证明了该方法的有效性。