北大联合小红书提出Uni-Instruct：ImageNet生图FID进入1.0时代！
近年来，单步扩散模型因其出色的生成性能和极高的推理效率，在图像生成、文本到视频、图像编辑等领域大放异彩。目前主流的训练方法是通过知识蒸馏，最小化学生模型与教师扩散模型之间的分布差异。然而，现有的方法主要集中在两条平行的理论技术路线上：
单步
NeurIPS 2025 | 北大联合小红书提出Uni-Instruct：ImageNet单步生图FID进入1.0时代！
近年来，单步扩散模型因其出色的生成性能和极高的推理效率，在图像生成、文本到视频、图像编辑等领域大放异彩。目前主流的训练方法是通过知识蒸馏，最小化学生模型与教师扩散模型之间的分布差异。然而，现有的方法主要集中在两条平行的理论技术路线上：
neurips fid 单步 imagenet单步 imag 2025-10-28 14:29 3
堆参数“大力出奇迹”失效了？剑桥：AI潜力刚起步
在人们都认为疯狂砸钱，拼命地把大语言模型的参数规模往上堆的Scaling Law已经到头了的时候。一篇叫《递减收益的错觉：衡量LLMs中的长时程执行能力》的论文又给大家来了一剂“强心针”。
小扎「梦之队」首批论文上线，LLM自举进化，单步性能狂飙22%
真Meta Superintelligence Labs新作来了！LLM学会「自我改进」：只做单步训练，推理却能多步迭代。在数学、工具调用、多轮任务到MLE-bench上，ExIt持续拔高模型表现，其中MLE-bench相对GRPO提升约22%。