Runway新发布的Gen 4.5模型在视频生成方面表现出色，57.1%的人无法分辨生成视频的真实性。该模型在镜头控制、叙事能力和角色一致性上有显著提升，生成的视频更接近真实，连公司员工也难以辨别。整体上，视频的真实度和物理一致性增强，声画同步能力提升，未来可能需要AI来鉴别AI。

机器之心数据服务现已上线，提供高效稳定的数据获取服务，帮助用户轻松获取所需数据。

本研究提出了一种新方法PALATE，基于总期望法则，旨在改善深度生成模型的评估，解决生成样本的真实度、多样性和新颖性之间的平衡问题。实验结果表明，PALATE提高了评估的效率和全面性，对评估方法的发展具有重要影响。

本研究提出FLORAIN方法，通过非线性低秩映射干预语言模型的注意力头，解决生成文本中的不真实或有害内容问题。实验结果表明，该方法在提高文本真实度和生成质量方面优于多种基线方法。

本研究提出了一种基于信息论的统一视角，用于评估生成模型的输出。引入三维度评估指标，测量生成输出的真实度和多样性，以提供更清晰的分析和理解。

本研究针对大型语言模型（LLMs）在自然语言处理任务中出现的“幻觉”现象，提出了一种新颖的对比解码框架——LOL（底层至关重要）。通过将原模型与业余模型在最终层和底层的对比解码进行拼接，结合真实度聚焦模块，显著提升了事实编码能力。实验证明，该方法在减轻幻觉方面优于大多数现有基线，且在TruthfulQA的所有指标上平均提高了4.5分。

该研究提出了一种自动提示优化方法，用于以情绪为条件的文本生成。通过迭代的优化过程，改变提示中的标记，以实现情感条件。与手动设计的提示相比，优化的提示在实现情感条件方面表现更好。