标签：图像生成

FlashVSR+ 提出混合注意力与奖励匹配蒸馏，单卡实现 4K 视频超分

2026 年 10 月 13 日，Hugging Face Papers 收录的论文提出 FlashVSR+，用混合注意力架构和奖励产出分布匹配蒸馏方法，在单张 24GB RTX 4090 上实现 4K 视频超分，并声称推理速度和显存占用均明显改善。

alphaXiv 上的一篇新论文提出 PixelMoE，把大语言模型常用的稀疏混合专家（MoE）结构直接迁移到像素空间扩散模型，在相同激活参数量下取得更低 FID，说明像素空间也能靠稀疏扩容提升生成质量。

arXiv 上一篇新论文提出 ConicFlow，把流匹配模型在推理时满足硬约束的采样问题，转化成最优控制问题，试图在生成质量和约束满足之间取得更好平衡。目前公开信息仅为论文摘要，尚无已核验的完整实验或产品化落地。

一篇 2026 年 10 月 14 日上传到 arXiv 的论文提出免训练方法，通过回拉几何寻找条件嵌入空间中对输出最敏感的方向，引导扩散模型在不同随机种子下产生更不同的图像，同时尽量保持与提示词的一致性和画质。

Hugging Face Papers 收录的一篇论文提出 AReA，一种免训练的注意力机制，让 Diffusion Transformers 在超出训练分辨率生成图像时减少结构扭曲与细节退化，同时提升速度与效率。摘要称其在目标分辨率和不同模型上优于现有免训练基线，但尚未核验全文实验。

Hugging Face Papers 2026年10月10日收录的论文摘要提出 ExeWorldBench，一个用代码化3D世界构建来同时评测“世界理解”与“可执行实现”的新基准，前沿模型在该测试中表现有限。

一篇 2026 年 10 月 7 日发布在 Hugging Face Papers 的论文提出 SALD，让扩散模型用同一条模型在两种噪声水平下的表现差异，生成训练信号，不再依赖外部教师网络或额外可训练参数。

Arena 在 2026 年 10 月发布 Max 路由，并称其登顶 Agent Arena 评测榜。对关注大模型 API 选型和多智能体应用的开发者来说，这意味着又多了一个可参考的路由方案。

2026 年 10 月，Hugging Face Papers 收录了 T3lescope，一种无需逐场景优化、可从多视角图像重建任意尺度高保真三维网格的生成式方法，在室内、室外和城市级场景中表现优于现有前馈与生成基线。

alphaXiv 上的一篇新论文提出 PageGram，把多头 n-gram 哈希表的各行放进同一页，使设备端大参数记忆表的读取次数接近普通平表，同时保留多头抗碰撞优势。