论文题名： Beyond Language Modeling: An Exploration of Multimodal Pretraining。 作者： Shengbang Tong、David Fan、John Nguyen、Ellis Brown、Gaoyue Zhou、Shengyi Qian、Boyang Z
-
-
论文专题讲解：BAGEL：交错多模态预训练中的世界建模涌现
论文题名： Emerging Properties in Unified Multimodal Pretraining。 作者： Chaorui Deng、Deyao Zhu、Kunchang Li、Chenhui Gou、Feng Li、Zeyu Wang、Shu Zhong、Weihao Yu、Xiaonan Ni
-
论文专题讲解：GPU Utilization：为什么 100％ 不等于训练跑满
论文题名： GPU Utilization is a Misleading Metric。 作者： Trainy。 机构： Trainy。 时间 / 主题： 2025-02；高效训练。 arXiv / 官方报告： arXiv：未找到专门条目；官方材料：www.trainy.ai/blog/gpu-utilization
-
论文专题讲解：InCoder-32B：工业代码基础模型与执行验证训练
论文题名： InCoder-32B: Code Foundation Model for Industrial Scenarios。 作者： Jian Yang、Wei Zhang、Jiajun Wu、Junhang Cheng、Shawn Guo、Haowen Wang、Weicheng Gu、Yaxin Du、Jo
-
论文专题讲解：MapAnything：统一前向 Metric 3D 重建骨干
论文题名： MapAnything: Universal Feed-Forward Metric 3D Reconstruction。 作者： Nikhil Keetha、Norman Müller、Johannes Schönberger、Lorenzo Porzi、Yuchen Zhang、Tobias Fisch
-
论文专题讲解：Score SDE：把扩散模型写成连续时间生成过程
论文题名： Score-Based Generative Modeling through Stochastic Differential Equations。 作者： Yang Song、Jascha Sohl-Dickstein、Diederik P. Kingma、Abhishek Kumar、Stefano E
-
论文专题讲解：VO-DP：RGB-only 扩散策略怎样借用语义和几何特征
论文题名： VO-DP: Semantic-Geometric Adaptive Diffusion Policy for Vision-Only Robotic Manipulation。 作者： Zehao Ni、Yonghao He、Lingfeng Qian、Jilei Mao、Fa Fu、Wei Sui、Hu
-
论文专题讲解：AnyFlow：任意步视频扩散蒸馏
论文题名： AnyFlow: Any-Step Video Diffusion Model with On-Policy Flow Map Distillation。 作者： Yuchao Gu、Guian Fang、Yuxin Jiang、Weijia Mao、Song Han、Han Cai、Mike Zheng
-
思考探索：读懂 Fast-FoundationStereo：从双目几何到高效推理
Fast-FoundationStereo 的“推理”指机器人、AR、自动驾驶和工业视觉里的实时稠密深度感知。模型每慢几十毫秒，系统看到的世界就会滞后一截；模型每错一块边界，后面的避障、抓取或空间理解就可能跟着错。 Fast-FoundationStereo 最值得读的地方，不只是“它比 FoundationStere
-
基础知识：模型压缩、剪枝与 NAS：先问省的是哪张账
很多模型压缩项目的第一版都会遇到一个尴尬结果：参数量少了，模型文件小了，论文表里的 MACs 也降了，但线上请求并没有明显变快，P99 甚至更差。原因通常是压缩方法改的是一张账，真实系统卡的是另一张账。 模型压缩要先固定具体成本账，再把方法放回数据流和硬件路径里看。它是在质量、成本和可部署结构之间重新设计模型。 需要用
