Chinese Blogs

• 2026-07-18

  · 视觉任务能否被统一成一种生成接口？——SenseNova-Vision 论文解读

• 2026-07-05

  · CVPR 2026 新作：AI 绘画正式迈入「所控即所得」时代

• 2022-10-22

  · 体育史上首个合法「AI外挂」！北京冬奥「猎壶者」决策仅需9毫秒，误差仅3cm

Paper Reading

论文阅读笔记主要围绕统一多模态模型、视觉理解与生成、空间智能、多模态推理等方向持续整理。Notion 完整索引 ↗

统一多模态架构

• 统一理解生成视觉编码器
• 多模态理解生成对齐—生成架构
• 原生多模态
• 多模态图像视频生成
• Pixel Diffusion

视觉任务与空间智能

• 多模态基础视觉任务
• 通用 UMM 任务
• 多模态理解
• VICL：视觉上下文学习
• 3D 视觉任务

推理、对齐与思维链

• UMM 表征学习
• 多模态 Reasoning
• COT 思维链（VLM 理解）
• COT 思维链（生成）
• RLHF

模型机制与训练

• 跨层 Attention 机制（层间）改进
• 模型权重融合
• 大模型基础理论
• Looped Transformers
• Test Time Training

生成加速与世界模型

• 扩散模型加速
• 世界模型

Web Star History

Leave a star if you like it