标签： 图像生成

马斯克在X平台宣布，Grok Bot将不再只用自研Grok模型，而是以输出最佳结果为标准自动调用Claude Opus 5.5等第三方API，转向多模型混合架构。这值得关注，因为它意味着头部AI产品开始把模型选择权交给效果而非自研绑定。

新论文提出 VIEScore2，把图像生成与编辑的“质量打分”和“缺陷位置”合并到一个模型里输出，不再只给一个孤立分数。按论文摘要，其在整体评分相关性上超过零样本通用大模型基线 Gemini-3-Flash。

Hugging Face Papers 收录的论文提出 VIEScore2，把图像质量打分和缺陷位置放进同一个模型一次输出，在主要评测集上整体分数 SRCC 为 0.601，高于同等输入条件下 Gemini-3-Flash 的 0.491。

来自 Hugging Face Papers 的一篇论文提出 Tetris3D，用单张图片重建整体几何与物理都协调的 3D 场景，并配套发布 120 万场景的物理仿真数据集 ComOb，重点解决物体之间的空间兼容性。

arXiv 上一篇新论文提出，视觉 Transformer 可能通过“转喻电路”用“火”这类具体锚点概念来识别“愤怒”等抽象语义。这为理解多模态模型的可解释性和训练数据局限提供了新视角。

arXiv 上一项新研究提出，视觉 Transformer 可能通过“转喻电路”——用“火”这类具体锚点概念桥接视觉信号与“愤怒”等抽象语义。这为理解多模态模型如何形成抽象概念提供了可解释性线索。