标签： 图像生成

arXiv 上新论文提出免训练方法 VISTA，自动挑选离散扩散模型中的引导时间步，在有限预算下提升稀疏引导效果，并在毒性文本生成任务中把后选择阶段单次生成延迟从 204.23 秒降到 38.16 秒。

一项新论文提出 SCOPE，用语义片段为单位调整强化学习中的提示词改写权重，在 Qwen-Image、SD3 和 FLUX.1-dev 上比原始 GRPO 获得平均相对提升。它把“对象、数量、属性、关系”当作整体来优化，而不是拆散到单个子词。

Hugging Face Papers 收录的论文提出 3DCodeVerse，让编码代理直接生成可执行、可编辑、可验证的 3D 代码，并配套 2M 规模的代码数据集与自动化评估框架，试图把 3D 内容创作变成一种可规模化的 coding 任务。

arXiv 2026年10月15日发布的一篇论文，提出用“子空间引导进化搜索+成对视觉识别”两阶段框架，在只拿到 LoRA 适配器、不知道它训练内容的情况下，反查它真正想生成的概念，用于内容审核与下游调查。

一篇发表于 Hugging Face Papers 的论文提出，流匹配（flow matching）采样器本身受电路复杂度限制，多步采样未必带来更强推理；而加入自条件（self-conditioning）后，常深度主干模型可获得与空间有界图灵机等价的表达能力。

论文 Glance Forcing 提出一种轻量蒸馏框架，把双向扩散模型转成少步因果生成模型，仅用一条 Probability Flow ODE 轨迹就超过了论文中称为 fully-trained 的基线。它的关键是：不再用海量离线轨迹，而是把去噪过程拆成慢、快两个专家分别训练。

Intern Lumina U2 是首个在完全离散空间内表示多码本视觉 token 的扩散语言模型，基于统一 4D 表示 AToken，在单一骨干网络中同时处理图像、视频和 3D 输入，并在理解、生成和编辑任务上取得领先结果。

Artificial Analysis 于 2026 年 10 月 15 日发布 NVIDIA Vera Rubin NVL72 的首批 AA-AgentPerf 评测结果，其在智能体编程场景下的每兆瓦吞吐量最高达到上代 GB300 NVL72 的约 5.7 倍。该结果仅适用于原文日期和特定评测条件。

Hugging Face Papers 收录的论文提出 BigCell，首次在原生千兆像素（gigapixel）分辨率下生成连贯的病理全切片图像（WSI），并用合成样本把切片级小样本分类性能最高提升 18%。