Blog1

标签:

总共有590个标签。

此标签下有7条笔记。

2026年5月07日
Agentic Harness Engineering: Observability-Driven Automatic Evolution of Coding-Agent Harnesses
- clippings
2026年5月07日
PaperBanana: Automating Academic Illustration for AI Scientists
- clippings
2026年5月07日
Unify-Agent: A Unified Multimodal Agent for World-Grounded Image Synthesis
- clippings
2026年5月04日
GPT-4 Technical Report
- clippings
2026年4月30日
DeepSeek-V3.2: Pushing the Frontier of Open Large Language Models
- clippings
2026年4月30日
Emerging Properties in Unified Multimodal Pretraining
- clippings
2026年4月30日
Kimi K2: Open Agentic Intelligence

338语言

此标签下有1条笔记。

2026年4月30日
DeepSeek-Coder-V2: Breaking the Barrier of Closed-Source Models in Code Intelligence

3d-vae

此标签下有1条笔记。

2026年4月30日
Show-o2: Improved Native Unified Multimodal Models

A

此标签下有1条笔记。

2026年4月30日
BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding
- clippings
- L
- H
- A

academic-illustration

此标签下有1条笔记。

2026年5月07日
PaperBanana

acceleration

此标签下有2条笔记。

2026年4月30日
Seedream 3.0 Technical Report
2026年4月30日
Seedream 4.0: Toward Next-generation Multimodal Image Generation

adapter

此标签下有2条笔记。

2026年4月30日
EmoEdit
2026年4月30日
EmoEdit: Evoking Emotions through Image Manipulation

aesthetic

此标签下有2条笔记。

2026年5月01日
审美评估与推理
2026年4月30日
Aes-R1: Unlocking the Essence of Beauty — Advanced Aesthetic Reasoning with Relative-Absolute Policy Optimization

affective-computing

此标签下有3条笔记。

2026年5月07日
EmoSet 视觉情感数据集
2026年4月30日
AIEdiT: Affective Image Editing Shaping Emotional Factors via Text Descriptions
2026年4月30日
情感计算与图像生成

agent

此标签下有24条笔记。显示前10个标签。

2026年5月07日
AHE Agentic Harness Engineering
2026年5月07日
GLM-5 从 Vibe Coding 到 Agentic Engineering
2026年5月07日
Gen-Searcher
2026年5月07日
LLM Agent 综述 2023
2026年5月07日
PaperBanana
2026年5月07日
Unify-Agent
2026年5月07日
LLM Agent 与工具使用
2026年5月06日
Self-Evolving Agents 自演化智能体
2026年5月06日
Self-Evolving Agents 综述
2026年5月03日
Agentic Harness Engineering (AHE)

Agent

此标签下有11条笔记。显示前10个标签。

2026年5月08日
Agentic Harness Engineering: Observability-Driven Automatic Evolution of Coding-Agent Harnesses
2026年4月30日
DeepSeek-V3.2: Pushing the Frontier of Open Large Language Models
2026年4月30日
Kimi K2.5: Visual Agentic Intelligence
2026年4月30日
Kimi K2: Open Agentic Intelligence
2026年4月30日
Kimi-VL Technical Report
2026年4月30日
gpt-oss-120b & gpt-oss-20b Model Card
2026年4月30日
多模态 Agent
2026年4月30日
DeepSeek 系列模型
2026年4月30日
Kimi 系列模型
2026年4月30日
Kimi K2: Open Agentic Intelligence

Agent-Swarm

此标签下有1条笔记。

2026年4月30日
Kimi K2.5: Visual Agentic Intelligence

agentic-engineering

此标签下有1条笔记。

2026年5月07日
GLM-5 从 Vibe Coding 到 Agentic Engineering

AI-safety

此标签下有2条笔记。

2026年4月30日
AI 生成图像的情感偏差
2026年4月30日
Generating Fearful Images: Investigating Potential Emotional Biases in Image-Generation Models

AIM

此标签下有6条笔记。

2026年5月11日
EmotiCrafter，EmoAgent，Affective Image Editing
2026年4月30日
情感图像编辑
2026年4月30日
EmoEdit
2026年4月30日
EmoEdit: Evoking Emotions through Image Manipulation
2026年4月30日
情感计算与图像生成
2025年7月10日
EmoEdit：Evoking Emotions through Image Manipulation

alibaba

此标签下有6条笔记。

2026年5月07日
Qwen 技术报告
2026年5月07日
Qwen-Image 技术报告
2026年5月07日
Qwen2.5 技术报告
2026年5月07日
Qwen2.5-VL 技术报告
2026年5月07日
Qwen3-VL 技术报告
2026年5月07日
Qwen3-VL-Embedding and Reranker

alignment

此标签下有4条笔记。

2026年5月11日
Training Language Models to Follow Instructions with Human Feedback
2026年5月07日
Qwen 技术报告
2026年4月30日
RLHF
- RLHF
- alignment
- PPO
- DPO
- RL
2026年4月30日
大语言模型基础

analysis

此标签下有1条笔记。

2026年4月30日
统一多模态模型架构比较

AP

此标签下有1条笔记。

2026年4月30日
DeepSeek-Coder-V2: Breaking the Barrier of Closed-Source Models in Code Intelligence

Apache-2.0

此标签下有1条笔记。

2026年4月30日
gpt-oss-120b & gpt-oss-20b Model Card

architecture

此标签下有4条笔记。

2026年4月30日
Vision Transformer 架构比较
2026年4月30日
统一多模态模型架构比较
2026年4月30日
LLM Agent 架构
2026年4月30日
Transformer

architecture-evolution

此标签下有1条笔记。

2026年4月30日
Vision Transformer 演进

arousal

此标签下有1条笔记。

2026年4月30日
Valence-Arousal 情感模型

art

此标签下有2条笔记。

2026年4月30日
EmoArt
2026年4月30日
EmoArt: A Multidimensional Dataset for Emotion-Aware Artistic Generation

attention

此标签下有5条笔记。

2026年5月11日
Attention Is All You Need
2026年5月07日
DeepSeek V4
2026年5月07日
Kimi Linear 高效注意力架构
2026年5月07日
MiniMax-01 Lightning Attention
2026年4月30日
Transformer

audio

此标签下有1条笔记。

2026年4月30日
CLAP: Learning Audio Concepts From Natural Language Supervision

audio-video

此标签下有1条笔记。

2026年5月07日
Seedance 2.0 视频生成

Autograd

此标签下有1条笔记。

2026年4月30日
PyTorch: An Imperative Style, High-Performance Deep Learning Library

autonomous-agent

此标签下有1条笔记。

2026年5月07日
LLM Agent 综述 2023

baai

此标签下有1条笔记。

2026年4月30日
OmniGen2

backbone

此标签下有2条笔记。

2026年4月30日
Swin Transformer
2026年4月30日
Swin Transformer: Hierarchical Vision Transformer using Shifted Windows

bagel

此标签下有1条笔记。

2026年4月30日
BAGEL: Emerging Properties in Unified Multimodal Pretraining

BAGEL

此标签下有1条笔记。

2026年4月30日
BAGEL 图文交错生成能力

benchmark

此标签下有16条笔记。显示前10个标签。

2026年5月07日
PaperBanana
2026年4月30日
EmoArt
2026年4月30日
Mind-Brush
2026年4月30日
Step1X-Edit
2026年4月30日
EmoArt: A Multidimensional Dataset for Emotion-Aware Artistic Generation
2026年4月30日
ImgEdit: A Unified Image Editing Dataset and Benchmark
2026年4月30日
Mind-Brush: Integrating Agentic Cognitive Search and Reasoning into Image Generation
2026年4月30日
OCRBench v2: An Improved Benchmark for Evaluating LMMs on Visual Text
2026年4月30日
OmniDocBench: Benchmarking Diverse PDF Document Parsing
2026年4月30日
OpenOneRec Technical Report: An Open Foundation Model and Benchmark to Accelerate Generative Recommendation

Benchmark

此标签下有3条笔记。

2026年4月30日
OCRBench v2: An Improved Benchmark for Evaluating Large Multimodal Models on Visual Text Localization and Reasoning
2026年4月30日
OmniDocBench: Benchmarking Diverse PDF Document Parsing with Comprehensive Annotations
2026年4月30日
OpenOneRec: An Open Foundation Model and Benchmark to Accelerate Generative Recommendation

BenchMark

此标签下有1条笔记。

2025年7月10日
Envisioning Beyond the Pixels: Benchmarking Reasoning-Informed Visual Editing

BERT

此标签下有1条笔记。

2026年5月11日
BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding

bias

此标签下有2条笔记。

2026年4月30日
AI 生成图像的情感偏差
2026年4月30日
Generating Fearful Images: Investigating Potential Emotional Biases in Image-Generation Models

bidirectional

此标签下有2条笔记。

2026年5月11日
BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding
2026年4月30日
InterFormer: Effective Heterogeneous Interaction Learning for Click-Through Rate Prediction

bilingual

此标签下有1条笔记。

2026年4月30日
Seedream 2.0: A Native Chinese-English Bilingual Image Generation Foundation Model

Black-Forest-Labs

此标签下有1条笔记。

2026年4月30日
FLUX

bytedance

此标签下有1条笔记。

2026年5月07日
Seedance 2.0 视频生成

ByteDance

此标签下有1条笔记。

2026年4月30日
Seedream 系列模型

bytedance-seed

此标签下有1条笔记。

2026年4月30日
BAGEL

C-EICG

此标签下有1条笔记。

2026年5月11日
EmotiCrafter，EmoAgent，Affective Image Editing

causal-reasoning

此标签下有1条笔记。

2026年4月30日
WorldEdit: Towards Open-World Image Editing with a Knowledge-Informed Benchmark

chain-of-thought

此标签下有6条笔记。

2026年4月30日
Chain-of-Thought 思维链
2026年4月30日
GoT
2026年4月30日
Chain-of-Thought Prompting Elicits Reasoning in Large Language Models
2026年4月30日
GoT: Unleashing Reasoning Capability of Multimodal Large Language Model for Visual Generation and Editing
2026年4月30日
OneRec-Think: In-Text Reasoning for Generative Recommendation
2026年4月30日
推理增强方法

Chats

此标签下有1条笔记。

2026年4月30日
WEAVE: Unleashing and Benchmarking the In-context Interleaved Comprehension and Generation
- clippings
- Chats

Chinchilla

此标签下有3条笔记。

2026年5月11日
Training Compute-Optimal Large Language Models
2026年4月30日
LLM 缩放定律比较
2026年4月30日
Scaling Laws

CISPO

此标签下有2条笔记。

2026年4月30日
MiniMax-M1: Scaling Test-Time Compute Efficiently with Lightning Attention
2026年4月30日
MiniMax-M1: Scaling Test-Time Compute Efficiently with Lightning Attention

CLIP

此标签下有2条笔记。

2026年4月30日
CLIP 对比语言图像预训练
2026年4月30日
多模态对比学习

clippings

此标签下有122条笔记。显示前10个标签。

2026年5月07日
A Survey on Generative Recommendation: Data, Model, and Tasks
- clippings
2026年5月07日
Agentic Harness Engineering: Observability-Driven Automatic Evolution of Coding-Agent Harnesses
- clippings
2026年5月07日
DeepSeek V4
- clippings
2026年5月07日
EmoSet: A Large-scale Visual Emotion Dataset with Rich Attributes
- clippings
2026年5月07日
Emu3: Next-Token Prediction is All You Need
- clippings
2026年5月07日
GLM-5: from Vibe Coding to Agentic Engineering
- clippings
2026年5月07日
Gen-Searcher: Reinforcing Agentic Search for Image Generation
- clippings
2026年5月07日
Kimi Linear: An Expressive, Efficient Attention Architecture
- clippings
2026年5月07日
Language Models are Unsupervised Multitask Learners
- clippings
2026年5月07日
MiniMax-01: Scaling Foundation Models with Lightning Attention
- clippings

CNF

此标签下有2条笔记。

2026年4月30日
Flow Matching
2026年4月30日
Flow Matching for Generative Modeling

code-generation

此标签下有1条笔记。

2026年5月07日
Qwen 技术报告

Code-Intelligence

此标签下有1条笔记。

2026年4月30日
DeepSeek-Coder-V2: Breaking the Barrier of Closed-Source Models in Code Intelligence

CodeForces

此标签下有1条笔记。

2026年4月30日
Competitive Programming with Large Reasoning Models

coding

此标签下有2条笔记。

2026年5月07日
GLM-5 从 Vibe Coding 到 Agentic Engineering
2026年5月07日
Qwen2.5 技术报告

coding-agent

此标签下有4条笔记。

2026年5月08日
Agentic Harness Engineering: Observability-Driven Automatic Evolution of Coding-Agent Harnesses
2026年5月07日
AHE Agentic Harness Engineering
2026年5月03日
Agentic Harness Engineering (AHE)
2026年5月03日
Harness 编码 Agent 线束

comparison

此标签下有11条笔记。显示前10个标签。

2026年4月30日
GPT 系列代际比较
2026年4月30日
LLM 缩放定律比较
2026年4月30日
Vision Transformer 架构比较
2026年4月30日
国产大模型技术路线比较
2026年4月30日
多模态 Embedding 模型比较
2026年4月30日
情感表示方法比较
2026年4月30日
指令编辑数据集比较
2026年4月30日
推理增强方法比较
2026年4月30日
统一多模态模型架构比较
2026年4月30日
编辑方法能力演进

competitive-programming

此标签下有1条笔记。

2026年4月30日
Competitive Programming with Large Reasoning Models

comprehension

此标签下有1条笔记。

2026年4月30日
WEAVE: Unleashing and Benchmarking the In-context Interleaved Comprehension and Generation

compute-optimal

此标签下有3条笔记。

2026年5月11日
Training Compute-Optimal Large Language Models
2026年4月30日
LLM 缩放定律比较
2026年4月30日
Scaling Laws

connectedComponents

此标签下有1条笔记。

2026年4月30日
Competitive Programming with Large Reasoning Models

continuous

此标签下有1条笔记。

2026年4月30日
情感表示方法比较

continuous-emotion

此标签下有3条笔记。

2026年4月30日
Valence-Arousal 情感模型
2026年4月30日
EmotiCrafter
2026年4月30日
EmotiCrafter: Text-to-Emotional-Image Generation based on Valence-Arousal Model

contrastive-learning

此标签下有4条笔记。

2026年4月30日
多模态 Embedding 模型
2026年4月30日
多模态对比学习
2026年4月30日
CLAP: Learning Audio Concepts From Natural Language Supervision
2026年4月30日
SigLIP 2: Multilingual Vision-Language Encoders with Improved Semantic Understanding, Localization, and Dense Features

control

此标签下有4条笔记。

2026年4月30日
ControlNet
2026年4月30日
OminiControl
2026年4月30日
Adding Conditional Control to Text-to-Image Diffusion Models (ControlNet)
2026年4月30日
OminiControl: Minimal and Universal Control for Diffusion Transformer

ControlNet

此标签下有1条笔记。

2026年4月30日
Adding Conditional Control to Text-to-Image Diffusion Models (ControlNet)

CoT

此标签下有3条笔记。

2026年4月30日
OneRec-Think: In-Text Reasoning for Generative Recommendation
2026年4月30日
推理增强方法比较
2026年4月30日
推理模型与强化学习

CoT扩展

此标签下有1条笔记。

2026年4月30日
Tree of Thoughts: Deliberate Problem Solving with Large Language Models

counting

此标签下有1条笔记。

2026年5月07日
Thinking with Visual Primitives

CTR

此标签下有1条笔记。

2026年4月30日
CTR 预估

CTR-prediction

此标签下有4条笔记。

2026年4月30日
HyFormer: Revisiting the Roles of Sequence Modeling and Feature Interaction in CTR Prediction
2026年4月30日
InterFormer: Effective Heterogeneous Interaction Learning for Click-Through Rate Prediction
2026年4月30日
OneTrans: Unified Feature Interaction and Sequence Modeling with One Transformer in Industrial Recommender
2026年4月30日
生成式推荐系统

CTR预估

此标签下有3条笔记。

2026年4月30日
HyFormer: Revisiting the Roles of Sequence Modeling and Feature Interaction in CTR Prediction
2026年4月30日
InterFormer: Effective Heterogeneous Interaction Learning for Click-Through Rate Prediction
2026年4月30日
OneTrans: Unified Feature Interaction and Sequence Modeling with One Transformer in Industrial Recommender

CV

此标签下有4条笔记。

2026年4月30日
MAE 掩码自编码器
2026年4月30日
Masked Autoencoders Are Scalable Vision Learners
2026年4月30日
You Only Look Once: Unified, Real-Time Object Detection
2026年4月30日
目标检测基础

data

此标签下有1条笔记。

2026年5月07日
生成式推荐综述

Data

此标签下有1条笔记。

2026年4月30日
Show-o2: Improved Native Unified Multimodal Models

data-generation

此标签下有1条笔记。

2026年4月30日
InstructPix2Pix: Learning to Follow Image Editing Instructions

data-synthesis

此标签下有1条笔记。

2026年5月01日
编辑数据合成方法

dataset

此标签下有9条笔记。

2026年5月07日
EmoSet 视觉情感数据集
2026年5月01日
编辑数据合成方法
2026年4月30日
指令编辑数据集比较
2026年4月30日
EmoArt
2026年4月30日
AnyEdit: Mastering Unified High-Quality Image Editing for Any Idea
2026年4月30日
EmoArt: A Multidimensional Dataset for Emotion-Aware Artistic Generation
2026年4月30日
ImgEdit: A Unified Image Editing Dataset and Benchmark
2026年4月30日
OpenGPT-4o-Image: A Comprehensive Dataset for Advanced Image Generation and Editing
2026年4月30日
UltraEdit: Instruction-based Fine-Grained Image Editing at Scale

DDPM

此标签下有3条笔记。

2026年4月30日
扩散模型原理
2026年4月30日
Denoising Diffusion Probabilistic Models
2026年4月30日
扩散模型与 Flow Matching 基础

Decoder

此标签下有1条笔记。

2026年4月30日
OneRec Technical Report

decoder-only

此标签下有1条笔记。

2026年4月30日
OneRec-V2 Technical Report

DeepMind

此标签下有1条笔记。

2026年5月11日
Training Compute-Optimal Large Language Models

deepseek

此标签下有5条笔记。

2026年5月07日
DeepSeek V4
2026年4月30日
DeepSeek LLM: Scaling Open-Source Language Models with Longtermism
2026年4月30日
DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement Learning
2026年4月30日
DeepSeek-V3 Technical Report
2026年4月30日
DeepSeek-V3.2: Pushing the Frontier of Open Large Language Models

DeepSeek

此标签下有14条笔记。显示前10个标签。

2026年4月30日
DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement Learning
2026年4月30日
Native Sparse Attention: Hardware-Aligned and Natively Trainable Sparse Attention
2026年4月30日
国产大模型技术路线比较
2026年4月30日
推理模型训练方法比较 DeepSeek-R1 vs Kimi k1.5 vs Qwen3
2026年4月30日
GRPO 分组相对策略优化
2026年4月30日
MLA 多头潜在注意力
2026年4月30日
MoE 混合专家模型
2026年4月30日
NSA 原生稀疏注意力
2026年4月30日
多模态 Agent
2026年4月30日
测试时计算扩展

DeepSeek-Coder-V2

此标签下有1条笔记。

2026年4月30日
DeepSeek-Coder-V2: Breaking the Barrier of Closed-Source Models in Code Intelligence

DeepSeek-V2

此标签下有1条笔记。

2026年4月30日
DeepSeek-V2: A Strong, Economical, and Efficient Mixture-of-Experts Language Model

define-by-run

此标签下有1条笔记。

2026年4月30日
PyTorch: An Imperative Style, High-Performance Deep Learning Library

delta-rule

此标签下有1条笔记。

2026年5月07日
Kimi Linear 高效注意力架构

density-estimation

此标签下有1条笔记。

2026年5月07日
Normalizing Flows 归一化流

detection

此标签下有1条笔记。

2026年5月07日
LLM 可扩展水印

DETR

此标签下有3条笔记。

2026年4月30日
DINO: DETR with Improved DeNoising Anchor Boxes for End-to-End Object Detection
2026年4月30日
DINO: DETR with Improved DeNoising Anchor Boxes for End-to-End Object Detection
2026年4月30日
目标检测基础

DiDA

此标签下有1条笔记。

2026年4月30日
Emu3.5: Native Multimodal Models are World Learners

diffusion

此标签下有23条笔记。显示前10个标签。

2026年5月07日
Qwen-Image 技术报告
2026年5月07日
Seedance 2.0 视频生成
2026年4月30日
扩散模型原理
2026年4月30日
ControlNet
2026年4月30日
EmoEdit
2026年4月30日
EmotiCrafter
2026年4月30日
InstructPix2Pix
2026年4月30日
Step1X-Edit
2026年4月30日
AnyEdit: Mastering Unified High-Quality Image Editing for Any Idea
2026年4月30日
Adding Conditional Control to Text-to-Image Diffusion Models (ControlNet)

Diffusion_Models

此标签下有6条笔记。

2026年5月11日
Stable Diffusion结构
- Diffusion_Models
- Generative_Models
2026年5月11日
扩散模型综述
- Diffusion_Models
- Generative_Models
2025年7月10日
GoT：Unleashing Reasoning Capability of Multimodal Large Language Model for Visual Generation and Editing
2025年7月10日
OminiControl：Minimal and Universal Control for Diffusion Transformer
2025年7月10日
Step1X-Edit：A Practical Framework for General Image Editing
2025年7月10日
UltraEdit：Instruction-based Fine-Grained Image Editing at Scale

diffusion-transformer

此标签下有2条笔记。

2026年4月30日
OminiControl
2026年4月30日
OminiControl: Minimal and Universal Control for Diffusion Transformer

DiMOO

此标签下有1条笔记。

2026年4月30日
Lumina-DiMOO: An Omni Diffusion Large Language Model for Multi-Modal Generation and Understanding

DINO

此标签下有2条笔记。

2026年4月30日
DINO: DETR with Improved DeNoising Anchor Boxes for End-to-End Object Detection
2026年4月30日
目标检测基础

discrete

此标签下有1条笔记。

2026年4月30日
情感表示方法比较

discrete-diffusion

此标签下有2条笔记。

2026年4月30日
Lumina-DiMOO
2026年4月30日
Lumina-DiMOO: An Omni Diffusion Large Language Model for Multi-Modal Generation and Understanding

discrete-representation

此标签下有1条笔记。

2026年5月01日
VQ-VAE 离散 Token 化

discriminant

此标签下有1条笔记。

2026年4月30日
LLaMA: Open and Efficient Foundation Language Models
- clippings
- discriminant

distillation

此标签下有1条笔记。

2026年4月30日
DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement Learning

DiT

此标签下有19条笔记。显示前10个标签。

2026年4月30日
FLUX.1 Kontext: Flow Matching Rectified Transformer for Unified Image Generation and Editing
2026年4月30日
Seedream 2.0: A Native Chinese-English Bilingual Image Generation Foundation Model
2026年4月30日
Seedream 3.0 Technical Report
2026年4月30日
扩散模型架构比较 UNet vs DiT
2026年4月30日
DiT 扩散 Transformer
2026年4月30日
ControlNet
2026年4月30日
FLUX
2026年4月30日
OminiControl
2026年4月30日
FLUX.1 Kontext: Flow Matching for In-Context Image Generation and Editing in Latent Space
2026年4月30日
OminiControl: Minimal and Universal Control for Diffusion Transformer

document

此标签下有1条笔记。

2026年5月07日
VLM2Vec-V2

document-parsing

此标签下有3条笔记。

2026年4月30日
PDF 文档解析
2026年4月30日
OmniDocBench: Benchmarking Diverse PDF Document Parsing
2026年4月30日
多模态 Benchmark 与评估

document-retrieval

此标签下有1条笔记。

2026年4月30日
RzenEmbed: Towards Comprehensive Multimodal Retrieval

DPO

此标签下有5条笔记。

2026年5月11日
The Llama 3 Herd of Models
2026年4月30日
OneRec: Unifying Retrieve and Rank with Generative Recommender and Preference Alignment
2026年4月30日
DPO 直接偏好优化
2026年4月30日
RLHF
- RLHF
- alignment
- PPO
- DPO
- RL
2026年4月30日
OneRec: Unifying Retrieve and Rank with Generative Recommender and Preference Alignment

DPR

此标签下有2条笔记。

2026年4月30日
RAG 检索增强生成
2026年4月30日
Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks

efficiency

此标签下有3条笔记。

2026年5月11日
LLaMA: Open and Efficient Foundation Language Models
2026年5月07日
Kimi Linear 高效注意力架构
2026年5月07日
MiniMax-01 Lightning Attention

embedding

此标签下有9条笔记。

2026年5月07日
Qwen3-VL-Embedding and Reranker
2026年5月07日
VLM2Vec-V2
2026年4月30日
多模态 Embedding 模型比较
2026年4月30日
多模态 Embedding 模型
2026年4月30日
Magic-MM-Embedding
2026年4月30日
ObjEmbed: Towards Universal Multimodal Object Embeddings
2026年4月30日
RzenEmbed: Towards Comprehensive Multimodal Retrieval
2026年4月30日
SAIL-Embedding: Omni-modal Embedding Foundation Model
2026年4月30日
多模态 Embedding 与检索

embodied-AI

此标签下有1条笔记。

2026年4月30日
Agent AI: Surveying the Horizons of Multimodal Interaction

emergent-ability

此标签下有2条笔记。

2026年4月30日
Chain-of-Thought 思维链
2026年4月30日
Chain-of-Thought Prompting Elicits Reasoning in Large Language Models

emergent-properties

此标签下有1条笔记。

2026年4月30日
BAGEL: Emerging Properties in Unified Multimodal Pretraining

emotion

此标签下有14条笔记。显示前10个标签。

2026年5月07日
EmoSet 视觉情感数据集
2026年4月30日
情感表示方法比较
2026年4月30日
AI 生成图像的情感偏差
2026年4月30日
Valence-Arousal 情感模型
2026年4月30日
情感图像编辑
2026年4月30日
EmoArt
2026年4月30日
EmoEdit
2026年4月30日
EmotiCrafter
2026年4月30日
AIEdiT: Affective Image Editing Shaping Emotional Factors via Text Descriptions
2026年4月30日
EmoArt: A Multidimensional Dataset for Emotion-Aware Artistic Generation

emu

此标签下有1条笔记。

2026年5月07日
Emu3 原生多模态模型

Encoder

此标签下有1条笔记。

2026年4月30日
OneRec Technical Report

encoder-free

此标签下有2条笔记。

2026年4月30日
Tuna-2
2026年4月30日
Tuna-2: Pixel Embeddings Beat Vision Encoders for Multimodal Understanding and Generation

Encoder-Free

此标签下有2条笔记。

2026年4月30日
Tuna-2: Pixel Embeddings Beat Vision Encoders for Multimodal Understanding and Generation
2026年4月30日
Tuna-2: Pixel Embeddings Beat Vision Encoders for Multimodal Understanding and Generation

end-to-end

此标签下有1条笔记。

2026年4月30日
OneRec Technical Report

engineering

此标签下有1条笔记。

2026年5月03日
Harness 编码 Agent 线束

evaluation

此标签下有5条笔记。

2026年5月01日
审美评估与推理
2026年4月30日
AI 生成图像的情感偏差
2026年4月30日
Generating Fearful Images: Investigating Potential Emotional Biases in Image-Generation Models
2026年4月30日
Envisioning Beyond the Pixels: Benchmarking Reasoning-Informed Visual Editing (RISEBench)
2026年4月30日
多模态 Benchmark 与评估

evolution

此标签下有1条笔记。

2026年4月30日
编辑方法能力演进

Factorization-Machine

此标签下有1条笔记。

2026年4月30日
OneRec Technical Report

FAIR

此标签下有1条笔记。

2026年4月30日
PyTorch: An Imperative Style, High-Performance Deep Learning Library

Feat

此标签下有1条笔记。

2026年4月30日
InterFormer: Effective Heterogeneous Interaction Learning for Click-Through Rate Prediction

feature-interaction

此标签下有3条笔记。

2026年4月30日
HyFormer: Revisiting the Roles of Sequence Modeling and Feature Interaction in CTR Prediction
2026年4月30日
InterFormer: Effective Heterogeneous Interaction Learning for Click-Through Rate Prediction
2026年4月30日
OneTrans: Unified Feature Interaction and Sequence Modeling with One Transformer in Industrial Recommender

few-shot

此标签下有1条笔记。

2026年5月11日
Language Models are Few-Shot Learners

FlashAttention

此标签下有1条笔记。

2026年4月30日
Native Sparse Attention: Hardware-Aligned and Natively Trainable Sparse Attention

flow-matching

此标签下有10条笔记。

2026年4月30日
Flow Matching
2026年4月30日
Seedream 系列模型
2026年4月30日
Show-o2
2026年4月30日
FLUX.1 Kontext: Flow Matching for In-Context Image Generation and Editing in Latent Space
2026年4月30日
Flow Matching for Generative Modeling
2026年4月30日
Seedream 2.0: A Native Chinese-English Bilingual Image Generation Foundation Model
2026年4月30日
Seedream 3.0 Technical Report
2026年4月30日
Seedream 4.0: Toward Next-generation Multimodal Image Generation
2026年4月30日
Show-o2: Improved Native Unified Multimodal Models
2026年4月30日
扩散模型与 Flow Matching 基础

Flow-Matching

此标签下有6条笔记。

2026年4月30日
Show-o2: Improved Native Unified Multimodal Models
2026年4月30日
Tuna-2: Pixel Embeddings Beat Vision Encoders for Multimodal Understanding and Generation
2026年4月30日
UniWorld-V1: High-Resolution Semantic Encoders for Unified Visual Understanding and Generation
2026年4月30日
FLUX
2026年4月30日
Emerging Properties in Unified Multimodal Pretraining
2026年4月30日
UniWorld-V1: High-Resolution Semantic Encoders for Unified Visual Understanding and Generation

FLUX

此标签下有3条笔记。

2026年4月30日
FLUX
2026年4月30日
FLUX.1 Kontext: Flow Matching for In-Context Image Generation and Editing in Latent Space
2026年4月30日
扩散模型与 Flow Matching 基础

foundation-model

此标签下有2条笔记。

2026年4月30日
OpenOneRec Technical Report: An Open Foundation Model and Benchmark to Accelerate Generative Recommendation
2026年4月30日
Vision Transformer 演进

foundational

此标签下有4条笔记。

2026年4月30日
ControlNet
2026年4月30日
InstructPix2Pix
2026年4月30日
Adding Conditional Control to Text-to-Image Diffusion Models (ControlNet)
2026年4月30日
InstructPix2Pix: Learning to Follow Image Editing Instructions

foundations

此标签下有1条笔记。

2026年5月07日
Normalizing Flows 归一化流

fp8-training

此标签下有1条笔记。

2026年4月30日
DeepSeek-V3 Technical Report

FP8训练

此标签下有1条笔记。

2026年4月30日
DeepSeek-V3 Technical Report

fundamentals

此标签下有1条笔记。

2026年5月11日
Attention Is All You Need

generation

此标签下有2条笔记。

2026年4月30日
GPT 系列模型
2026年4月30日
WEAVE: Unleashing and Benchmarking the In-context Interleaved Comprehension and Generation

generative

此标签下有1条笔记。

2026年5月07日
生成式推荐综述

Generative_Models

此标签下有2条笔记。

2026年5月11日
Stable Diffusion结构
- Diffusion_Models
- Generative_Models
2026年5月11日
扩散模型综述
- Diffusion_Models
- Generative_Models

generative-model

此标签下有8条笔记。

2026年5月07日
Normalizing Flows 归一化流
2026年5月01日
VQ-VAE 离散 Token 化
2026年4月30日
Flow Matching
2026年4月30日
扩散模型原理
2026年4月30日
生成式推荐
2026年4月30日
Denoising Diffusion Probabilistic Models
2026年4月30日
Flow Matching for Generative Modeling
2026年4月30日
扩散模型与 Flow Matching 基础

generative-recommendation

此标签下有7条笔记。

2026年4月30日
OneRec 系列模型
2026年4月30日
OneRec Technical Report
2026年4月30日
OneRec: Unifying Retrieve and Rank with Generative Recommender and Preference Alignment
2026年4月30日
OneRec-Think: In-Text Reasoning for Generative Recommendation
2026年4月30日
OneRec-V2 Technical Report
2026年4月30日
OpenOneRec Technical Report: An Open Foundation Model and Benchmark to Accelerate Generative Recommendation
2026年4月30日
生成式推荐系统

glm

此标签下有1条笔记。

2026年5月07日
GLM-5 从 Vibe Coding 到 Agentic Engineering

google

此标签下有2条笔记。

2026年5月07日
LLM 可扩展水印
2026年4月30日
Vision Transformer (ViT)

Google

此标签下有2条笔记。

2026年4月30日
MoE 混合专家模型
2026年4月30日
Switch Transformers: Scaling to Trillion Parameter Models with Simple and Efficient Sparsity

Google-Brain

此标签下有1条笔记。

2026年4月30日
Outrageously Large Neural Networks: The Sparsely-Gated Mixture-of-Experts Layer

GoT

此标签下有1条笔记。

2026年4月30日
推理增强方法比较

GPT

此标签下有2条笔记。

2026年4月30日
GPT 系列代际比较
2026年4月30日
GPT 系列模型

GPT-3

此标签下有1条笔记。

2026年5月11日
Language Models are Few-Shot Learners

GPT-4

此标签下有2条笔记。

2026年5月11日
GPT-4 Technical Report
2026年4月30日
GPT-4 Technical Report

GPT-4o

此标签下有4条笔记。

2026年5月11日
GPT-4o System Card
2026年4月30日
GPT-4o System Card
2026年4月30日
GPT-4o
2026年4月30日
OpenGPT-4o-Image: A Comprehensive Dataset for Advanced Image Generation and Editing

GPT-4级

此标签下有1条笔记。

2026年4月30日
DeepSeek-Coder-V2: Breaking the Barrier of Closed-Source Models in Code Intelligence

gpt-oss

此标签下有1条笔记。

2026年4月30日
gpt-oss-120b & gpt-oss-20b Model Card

graph-of-thoughts

此标签下有1条笔记。

2026年4月30日
Graph of Thoughts: Solving Elaborate Problems with Large Language Models

grpo

此标签下有2条笔记。

2026年4月30日
DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement Learning
2026年4月30日
OmniGen2: Towards Instruction-Aligned Multimodal Generation

GRPO

此标签下有12条笔记。显示前10个标签。

2026年5月07日
Gen-Searcher
2026年4月30日
DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement Learning
2026年4月30日
Emu3.5: Native Multimodal Models are World Learners
2026年4月30日
Lumina-DiMOO: An Omni Diffusion Large Language Model for Multi-Modal Generation and Understanding
2026年4月30日
OmniGen2: Towards Instruction-Aligned Multimodal Generation
2026年4月30日
OneRec Technical Report
2026年4月30日
OneRec-Think: In-Text Reasoning for Generative Recommendation
2026年4月30日
OneRec-V2 Technical Report
2026年4月30日
推理模型训练方法比较 DeepSeek-R1 vs Kimi k1.5 vs Qwen3
2026年4月30日
GRPO 分组相对策略优化

H

此标签下有1条笔记。

2026年4月30日
BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding
- clippings
- L
- H
- A

harness

此标签下有4条笔记。

2026年5月08日
Agentic Harness Engineering: Observability-Driven Automatic Evolution of Coding-Agent Harnesses
2026年5月07日
AHE Agentic Harness Engineering
2026年5月03日
Agentic Harness Engineering (AHE)
2026年5月03日
Harness 编码 Agent 线束

heterogeneous-interaction

此标签下有1条笔记。

2026年4月30日
InterFormer: Effective Heterogeneous Interaction Learning for Click-Through Rate Prediction

hierarchical

此标签下有2条笔记。

2026年4月30日
Swin Transformer
2026年4月30日
Swin Transformer: Hierarchical Vision Transformer using Shifted Windows

high-resolution

此标签下有1条笔记。

2026年4月30日
Agent Banana: High-Fidelity Image Editing with Agentic Thinking and Tooling

HSTU

此标签下有1条笔记。

2026年5月11日
推荐算法阅读笔记

hybrid-architecture

此标签下有1条笔记。

2026年5月07日
Kimi Linear 高效注意力架构

hybrid-transformer

此标签下有1条笔记。

2026年4月30日
HyFormer: Revisiting the Roles of Sequence Modeling and Feature Interaction in CTR Prediction

Hybrid-Transformer

此标签下有1条笔记。

2026年4月30日
HyFormer: Revisiting the Roles of Sequence Modeling and Feature Interaction in CTR Prediction

IAA

此标签下有2条笔记。

2026年5月01日
审美评估与推理
2026年4月30日
Aes-R1: Unlocking the Essence of Beauty — Advanced Aesthetic Reasoning with Relative-Absolute Policy Optimization

IET

此标签下有1条笔记。

2026年4月30日
情感图像编辑

image

此标签下有1条笔记。

2026年5月07日
VLM2Vec-V2

Image

此标签下有4条笔记。

2026年4月30日
AnyEdit: Mastering Unified High-Quality Image Editing for Any Idea
2026年4月30日
EmoArt: A Multidimensional Dataset for Emotion-Aware Artistic Generation
- clippings
- Image
2026年4月30日
ImgEdit: A Unified Image Editing Dataset and Benchmark
2026年4月30日
OCRBench v2: An Improved Benchmark for Evaluating Large Multimodal Models on Visual Text Localization and Reasoning

image-classification

此标签下有2条笔记。

2026年4月30日
Vision Transformer (ViT)
2026年4月30日
An Image is Worth 16x16 Words: Transformers for Image Recognition at Scale

image-editing

此标签下有35条笔记。显示前10个标签。

2026年5月07日
Qwen-Image 技术报告
2026年5月01日
Agent 图像编辑
2026年5月01日
编辑数据合成方法
2026年4月30日
指令编辑数据集比较
2026年4月30日
编辑方法能力演进
2026年4月30日
情感图像编辑
2026年4月30日
Agent Banana
2026年4月30日
EditWorld
2026年4月30日
EmoEdit
2026年4月30日
GoT

image-generation

此标签下有28条笔记。显示前10个标签。

2026年5月07日
Gen-Searcher
2026年5月07日
PaperBanana
2026年5月07日
Qwen-Image 技术报告
2026年5月07日
Thinking with Visual Primitives
2026年5月07日
Unify-Agent
2026年4月30日
ControlNet
2026年4月30日
EmotiCrafter
2026年4月30日
GoT
2026年4月30日
Mind-Brush
2026年4月30日
OminiControl

image-quality

此标签下有1条笔记。

2026年5月01日
审美评估与推理

in-context

此标签下有1条笔记。

2026年4月30日
FLUX.1 Kontext: Flow Matching for In-Context Image Generation and Editing in Latent Space

in-context-learning

此标签下有1条笔记。

2026年5月11日
Language Models are Few-Shot Learners

In-context-Learning

此标签下有1条笔记。

2026年4月30日
Language Models are Few-Shot Learners

In-Context生成

此标签下有2条笔记。

2026年4月30日
OmniGen2: Towards Instruction-Aligned Multimodal Generation
2026年4月30日
OmniGen2: Towards Instruction-Aligned Multimodal Generation

include

此标签下有1条笔记。

2026年4月30日
Competitive Programming with Large Reasoning Models

inductive-bias

此标签下有1条笔记。

2026年4月30日
MLP-Mixer: An all-MLP Architecture for Vision

industrial-deployment

此标签下有1条笔记。

2026年4月30日
OneRec Technical Report

industry

此标签下有1条笔记。

2026年4月30日
SAIL-Embedding: Omni-modal Embedding Foundation Model

InsTag

此标签下有1条笔记。

2026年5月07日
Qwen Technical Report
- clippings
- InsTag

InstructGPT

此标签下有1条笔记。

2026年5月11日
Training Language Models to Follow Instructions with Human Feedback

Instruction

此标签下有2条笔记。

2026年4月30日
AnyEdit: Mastering Unified High-Quality Image Editing for Any Idea
2026年4月30日
OCRBench v2: An Improved Benchmark for Evaluating Large Multimodal Models on Visual Text Localization and Reasoning

instruction-alignment

此标签下有2条笔记。

2026年4月30日
OmniGen2
2026年4月30日
OmniGen2: Towards Instruction-Aligned Multimodal Generation

instruction-following

此标签下有6条笔记。

2026年5月11日
Training Language Models to Follow Instructions with Human Feedback
2026年4月30日
EditWorld
2026年4月30日
InstructPix2Pix
2026年4月30日
EditWorld: Simulating World Dynamics for Instruction-Following Image Editing
2026年4月30日
InstructPix2Pix: Learning to Follow Image Editing Instructions
2026年4月30日
UltraEdit: Instruction-based Fine-Grained Image Editing at Scale

interleaved

此标签下有1条笔记。

2026年4月30日
WEAVE: Unleashing and Benchmarking the In-context Interleaved Comprehension and Generation

interleaved-generation

此标签下有2条笔记。

2026年4月30日
BAGEL
2026年4月30日
BAGEL 图文交错生成能力

IOI

此标签下有1条笔记。

2026年4月30日
Competitive Programming with Large Reasoning Models

Kaplan

此标签下有1条笔记。

2026年4月30日
LLM 缩放定律比较

kimi

此标签下有1条笔记。

2026年5月07日
Kimi Linear 高效注意力架构

Kimi

此标签下有11条笔记。显示前10个标签。

2026年4月30日
国产大模型技术路线比较
2026年4月30日
推理模型训练方法比较 DeepSeek-R1 vs Kimi k1.5 vs Qwen3
2026年4月30日
MoE 混合专家模型
2026年4月30日
多模态 Agent
2026年4月30日
知识蒸馏
2026年4月30日
Kimi 系列模型
2026年4月30日
Kimi K2: Open Agentic Intelligence
2026年4月30日
Kimi K2.5: Visual Agentic Intelligence
2026年4月30日
Kimi k1.5: Scaling Reinforcement Learning with LLMs
2026年4月30日
Kimi-VL Technical Report

knowledge-management

此标签下有2条笔记。

2026年4月29日
llm-wiki-pattern
2026年4月29日
llm-wiki

knowledge-retrieval

此标签下有2条笔记。

2026年4月30日
Mind-Brush
2026年4月30日
Mind-Brush: Integrating Agentic Cognitive Search and Reasoning into Image Generation

Kuaishou

此标签下有1条笔记。

2026年4月30日
OneRec 系列模型

KV-cache

此标签下有2条笔记。

2026年4月30日
MLA 多头潜在注意力
2026年4月30日
DeepSeek-V2: A Strong, Economical, and Efficient Mixture-of-Experts Language Model

KV-Cache

此标签下有2条笔记。

2026年4月30日
DeepSeek-V2: A Strong, Economical, and Efficient Mixture-of-Experts Language Model
2026年4月30日
Native Sparse Attention: Hardware-Aligned and Natively Trainable Sparse Attention

L

此标签下有1条笔记。

2026年4月30日
BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding
- clippings
- L
- H
- A

large-scale

此标签下有1条笔记。

2026年4月30日
UltraEdit: Instruction-based Fine-Grained Image Editing at Scale

Layers

此标签下有1条笔记。

2026年4月30日
Kimi K2: Open Agentic Intelligence

Lazy-Decoder

此标签下有1条笔记。

2026年4月30日
OneRec-V2 Technical Report

lifelong-learning

此标签下有1条笔记。

2026年5月06日
Self-Evolving Agents 自演化智能体

Lightning-Attention

此标签下有2条笔记。

2026年4月30日
MiniMax-M1: Scaling Test-Time Compute Efficiently with Lightning Attention
2026年4月30日
MiniMax-M1: Scaling Test-Time Compute Efficiently with Lightning Attention

linear-attention

此标签下有2条笔记。

2026年5月07日
Kimi Linear 高效注意力架构
2026年5月07日
MiniMax-01 Lightning Attention

LLaDA

此标签下有1条笔记。

2026年4月30日
Lumina-DiMOO: An Omni Diffusion Large Language Model for Multi-Modal Generation and Understanding

Llama

此标签下有1条笔记。

2026年4月30日
The Llama 3 Herd of Models

LLaMA

此标签下有1条笔记。

2026年5月11日
LLaMA: Open and Efficient Foundation Language Models

Llama-3

此标签下有1条笔记。

2026年5月11日
The Llama 3 Herd of Models

llima

此标签下有1条笔记。

2026年4月30日
Lumina-DiMOO: An Omni Diffusion Large Language Model for Multi-Modal Generation and Understanding

llm

此标签下有9条笔记。

2026年5月07日
DeepSeek V4
2026年5月07日
GLM-5 从 Vibe Coding 到 Agentic Engineering
2026年5月07日
GPT-2
2026年5月07日
LLM Agent 综述 2023
2026年5月07日
LLM 可扩展水印
2026年5月07日
OpenAI o1 System Card
2026年5月07日
Qwen 技术报告
2026年5月07日
Qwen2.5 技术报告
2026年4月29日
llm-wiki-pattern

LLM

此标签下有28条笔记。显示前10个标签。

2026年5月07日
LLM Agent 与工具使用
2026年4月30日
Chain-of-Thought Prompting Elicits Reasoning in Large Language Models
2026年4月30日
DeepSeek LLM: Scaling Open-Source Language Models with Longtermism
2026年4月30日
DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement Learning
2026年4月30日
DeepSeek-V2: A Strong, Economical, and Efficient Mixture-of-Experts Language Model
2026年4月30日
DeepSeek-V3.2: Pushing the Frontier of Open Large Language Models
2026年4月30日
DeepSeek-V3 Technical Report
2026年4月30日
Graph of Thoughts: Solving Elaborate Problems with Large Language Models
2026年4月30日
Kimi K2: Open Agentic Intelligence
2026年4月30日
MiniMax-M1: Scaling Test-Time Compute Efficiently with Lightning Attention

LLM推荐

此标签下有1条笔记。

2026年4月30日
OpenOneRec: An Open Foundation Model and Benchmark to Accelerate Generative Recommendation

LLM文本编码器

此标签下有1条笔记。

2026年4月30日
Seedream 2.0: A Native Chinese-English Bilingual Image Generation Foundation Model

LMM

此标签下有3条笔记。

2026年4月30日
OCRBench v2: An Improved Benchmark for Evaluating Large Multimodal Models on Visual Text Localization and Reasoning
2026年4月30日
OCRBench v2: An Improved Benchmark for Evaluating LMMs on Visual Text
2026年4月30日
Envisioning Beyond the Pixels: Benchmarking Reasoning-Informed Visual Editing (RISEBench)

long-context

此标签下有3条笔记。

2026年5月07日
DeepSeek V4
2026年5月07日
MiniMax-01 Lightning Attention
2026年5月07日
Qwen3-VL 技术报告

long2short

此标签下有1条笔记。

2026年4月30日
Kimi k1.5: Scaling Reinforcement Learning with LLMs

Long2Short

此标签下有1条笔记。

2026年4月30日
Kimi k1.5: Scaling Reinforcement Learning with LLMs

LoRA

此标签下有2条笔记。

2026年4月30日
LoRA 低秩适配
2026年4月30日
LoRA: Low-Rank Adaptation of Large Language Models

lumina-dmoo

此标签下有1条笔记。

2026年4月30日
Lumina-DiMOO: An Omni Diffusion Large Language Model for Multi-Modal Generation and Understanding

MAE

此标签下有3条笔记。

2026年4月30日
Tuna-2: Pixel Embeddings Beat Vision Encoders for Multimodal Understanding and Generation
2026年4月30日
MAE 掩码自编码器
2026年4月30日
Masked Autoencoders Are Scalable Vision Learners

math

此标签下有1条笔记。

2026年5月07日
Qwen2.5 技术报告

math-reasoning

此标签下有1条笔记。

2026年5月07日
Qwen 技术报告

MCTS

此标签下有1条笔记。

2026年4月30日
为什么 MCTS 在 LLM 推理中失败了

mega-model

此标签下有1条笔记。

2026年4月30日
DeepSeek-V3 Technical Report

meta

此标签下有6条笔记。

2026年5月07日
index
- meta
2026年5月07日
log
- meta
2026年4月30日
Contradictions
2026年4月30日
overview
- meta
2026年4月29日
llm-wiki-pattern
2026年4月29日
llm-wiki

Meta

此标签下有3条笔记。

2026年5月11日
LLaMA: Open and Efficient Foundation Language Models
2026年5月11日
The Llama 3 Herd of Models
2026年4月30日
Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks

Meta-Ads

此标签下有1条笔记。

2026年4月30日
InterFormer: Effective Heterogeneous Interaction Learning for Click-Through Rate Prediction

meta-ai

此标签下有1条笔记。

2026年4月30日
Tuna-2

methodology

此标签下有3条笔记。

2026年5月01日
编辑数据合成方法
2026年4月29日
llm-wiki-pattern
2026年4月29日
llm-wiki

microsoft

此标签下有1条笔记。

2026年4月30日
Swin Transformer

minimal

此标签下有2条笔记。

2026年4月30日
OminiControl
2026年4月30日
OminiControl: Minimal and Universal Control for Diffusion Transformer

minimax

此标签下有1条笔记。

2026年5月07日
MiniMax-01 Lightning Attention

MiniMax

此标签下有1条笔记。

2026年4月30日
测试时计算扩展

MiniMax-M1

此标签下有1条笔记。

2026年4月30日
MiniMax-M1: Scaling Test-Time Compute Efficiently with Lightning Attention

mla

此标签下有1条笔记。

2026年4月30日
DeepSeek-V3 Technical Report

MLA

此标签下有3条笔记。

2026年4月30日
DeepSeek-V2: A Strong, Economical, and Efficient Mixture-of-Experts Language Model
2026年4月30日
MLA 多头潜在注意力
2026年4月30日
DeepSeek-V2: A Strong, Economical, and Efficient Mixture-of-Experts Language Model

MLLM

此标签下有11条笔记。显示前10个标签。

2026年4月30日
Magic-MM-Embedding: Towards Visual-Token-Efficient Universal Multimodal Embedding with MLLMs
2026年4月30日
RzenEmbed: Towards Comprehensive Multimodal Retrieval
2026年4月30日
GoT
2026年4月30日
Step1X-Edit
2026年4月30日
VisionCreator
2026年4月30日
Aes-R1: Unlocking the Essence of Beauty — Advanced Aesthetic Reasoning with Relative-Absolute Policy Optimization
2026年4月30日
AIEdiT: Affective Image Editing Shaping Emotional Factors via Text Descriptions
2026年4月30日
GoT: Unleashing Reasoning Capability of Multimodal Large Language Model for Visual Generation and Editing
2026年4月30日
Magic-MM-Embedding
2026年4月30日
Step1X-Edit: A Practical Framework for General Image Editing

MLM

此标签下有2条笔记。

2026年5月11日
BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding
2026年4月30日
BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding

MLP

此标签下有1条笔记。

2026年4月30日
MLP-Mixer: An all-MLP Architecture for Vision

mlp-mixer

此标签下有1条笔记。

2026年4月30日
MLP-Mixer: An all-MLP Architecture for Vision

MLP-Mixer

此标签下有1条笔记。

2026年4月30日
Vision Transformer 架构比较

MMDiT

此标签下有2条笔记。

2026年4月30日
Seedream 系列模型
2026年4月30日
Seedream 3.0 Technical Report

model

此标签下有6条笔记。

2026年5月07日
生成式推荐综述
2026年4月30日
Agent Banana
2026年4月30日
EmoEdit
2026年4月30日
EmotiCrafter
2026年4月30日
Vision Transformer (ViT)
2026年4月29日
DreamOmni2

model-architecture

此标签下有1条笔记。

2026年4月30日
OneRec-V2 Technical Report

model-family

此标签下有1条笔记。

2026年4月30日
OneRec 系列模型

moe

此标签下有5条笔记。

2026年5月07日
DeepSeek V4
2026年5月07日
GLM-5 从 Vibe Coding 到 Agentic Engineering
2026年5月07日
MiniMax-01 Lightning Attention
2026年5月07日
Qwen3-VL 技术报告
2026年4月30日
DeepSeek-V3 Technical Report

MoE

此标签下有26条笔记。显示前10个标签。

2026年4月30日
DeepSeek-Coder-V2: Breaking the Barrier of Closed-Source Models in Code Intelligence
2026年4月30日
DeepSeek-V2: A Strong, Economical, and Efficient Mixture-of-Experts Language Model
2026年4月30日
DeepSeek-V3 Technical Report
2026年4月30日
Kimi K2.5: Visual Agentic Intelligence
2026年4月30日
Kimi K2: Open Agentic Intelligence
2026年4月30日
Kimi-VL Technical Report
2026年4月30日
MiniMax-M1: Scaling Test-Time Compute Efficiently with Lightning Attention
2026年4月30日
Outrageously Large Neural Networks: The Sparsely-Gated Mixture-of-Experts Layer
2026年4月30日
OneRec Technical Report
2026年4月30日
OneRec-V2 Technical Report

moonshot

此标签下有1条笔记。

2026年5月07日
Kimi Linear 高效注意力架构

Moonshot

此标签下有1条笔记。

2026年4月30日
Kimi 系列模型

MoonViT

此标签下有2条笔记。

2026年4月30日
Kimi-VL Technical Report
2026年4月30日
Kimi-VL Technical Report

mot

此标签下有2条笔记。

2026年4月30日
BAGEL
2026年4月30日
BAGEL: Emerging Properties in Unified Multimodal Pretraining

MoT

此标签下有1条笔记。

2026年4月30日
Emerging Properties in Unified Multimodal Pretraining

MTGR

此标签下有1条笔记。

2026年5月11日
推荐算法阅读笔记

MTP

此标签下有1条笔记。

2026年4月30日
DeepSeek-V3 Technical Report

multi-turn

此标签下有1条笔记。

2026年4月30日
WEAVE: Unleashing and Benchmarking the In-context Interleaved Comprehension and Generation

multilingual

此标签下有1条笔记。

2026年4月30日
SigLIP 2: Multilingual Vision-Language Encoders with Improved Semantic Understanding, Localization, and Dense Features

multimodal

此标签下有26条笔记。显示前10个标签。

2026年5月11日
GPT-4 Technical Report
2026年5月11日
GPT-4o System Card
2026年5月07日
Emu3 原生多模态模型
2026年5月07日
Gen-Searcher
2026年5月07日
Qwen-Image 技术报告
2026年5月07日
Qwen2.5-VL 技术报告
2026年5月07日
Qwen3-VL 技术报告
2026年5月07日
Qwen3-VL-Embedding and Reranker
2026年5月07日
Seedance 2.0 视频生成
2026年5月07日
Thinking with Visual Primitives

MuonClip

此标签下有1条笔记。

2026年4月30日
Kimi K2: Open Agentic Intelligence

MXFP4

此标签下有1条笔记。

2026年4月30日
gpt-oss-120b & gpt-oss-20b Model Card

native

此标签下有1条笔记。

2026年5月07日
Emu3 原生多模态模型

native-multimodal

此标签下有2条笔记。

2026年4月30日
原生多模态模型
2026年4月30日
Emu3.5: Native Multimodal Models are World Learners

next-token-prediction

此标签下有3条笔记。

2026年5月07日
Emu3 原生多模态模型
2026年4月30日
原生多模态模型
2026年4月30日
Emu3.5: Native Multimodal Models are World Learners

NLP

此标签下有10条笔记。

2026年5月11日
Attention Is All You Need
2026年5月11日
RoFormer: Enhanced Transformer with Rotary Position Embedding
2026年5月11日
BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding
2026年4月30日
BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding
2026年4月30日
Language Models are Few-Shot Learners
2026年4月30日
Training language models to follow instructions with human feedback
2026年4月30日
LoRA: Low-Rank Adaptation of Large Language Models
2026年4月30日
Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks
2026年4月30日
Attention Is All You Need
2026年4月30日
Transformer

normalizing-flows

此标签下有1条笔记。

2026年5月07日
Normalizing Flows 归一化流

NSA

此标签下有2条笔记。

2026年4月30日
NSA 原生稀疏注意力
2026年4月30日
Native Sparse Attention: Hardware-Aligned and Natively Trainable Sparse Attention

nus

此标签下有1条笔记。

2026年4月30日
Show-o2

o1

此标签下有1条笔记。

2026年4月30日
Competitive Programming with Large Reasoning Models

o3

此标签下有2条笔记。

2026年4月30日
Competitive Programming with Large Reasoning Models
2026年4月30日
Competitive Programming with Large Reasoning Models

object-detection

此标签下有1条笔记。

2026年4月30日
ObjEmbed: Towards Universal Multimodal Object Embeddings

observability

此标签下有3条笔记。

2026年5月08日
Agentic Harness Engineering: Observability-Driven Automatic Evolution of Coding-Agent Harnesses
2026年5月07日
AHE Agentic Harness Engineering
2026年5月03日
Agentic Harness Engineering (AHE)

OCR

此标签下有8条笔记。

2026年4月30日
Kimi-VL Technical Report
2026年4月30日
OCRBench v2: An Improved Benchmark for Evaluating Large Multimodal Models on Visual Text Localization and Reasoning
2026年4月30日
OmniDocBench: Benchmarking Diverse PDF Document Parsing with Comprehensive Annotations
2026年4月30日
olmOCR: Unlocking Trillions of Tokens in PDFs with Vision Language Models
2026年4月30日
PDF 文档解析
2026年4月30日
OCRBench v2: An Improved Benchmark for Evaluating LMMs on Visual Text
2026年4月30日
olmOCR: Unlocking Trillions of Tokens in PDFs with VLMs
2026年4月30日
多模态 Benchmark 与评估

omni

此标签下有1条笔记。

2026年4月30日
GPT-4o

omni-modal

此标签下有2条笔记。

2026年5月11日
GPT-4o System Card
2026年4月30日
SAIL-Embedding: Omni-modal Embedding Foundation Model

Omni-RoPE

此标签下有2条笔记。

2026年4月30日
OmniGen2: Towards Instruction-Aligned Multimodal Generation
2026年4月30日
OmniGen2: Towards Instruction-Aligned Multimodal Generation

omnigen

此标签下有1条笔记。

2026年4月30日
OmniGen2: Towards Instruction-Aligned Multimodal Generation

OneTrans

此标签下有1条笔记。

2026年5月11日
推荐算法阅读笔记

open-questions

此标签下有1条笔记。

2026年4月30日
关于统一多模态模型的问题
- unified-multimodal
- open-questions

open-source

此标签下有7条笔记。

2026年5月11日
LLaMA: Open and Efficient Foundation Language Models
2026年5月11日
The Llama 3 Herd of Models
2026年4月30日
Step1X-Edit
2026年4月30日
DeepSeek LLM: Scaling Open-Source Language Models with Longtermism
2026年4月30日
OpenOneRec Technical Report: An Open Foundation Model and Benchmark to Accelerate Generative Recommendation
2026年4月30日
Step1X-Edit: A Practical Framework for General Image Editing
2026年4月30日
olmOCR: Unlocking Trillions of Tokens in PDFs with VLMs

openai

此标签下有2条笔记。

2026年5月07日
GPT-2
2026年5月07日
OpenAI o1 System Card

OpenAI

此标签下有9条笔记。

2026年5月11日
Training Language Models to Follow Instructions with Human Feedback
2026年5月11日
Language Models are Few-Shot Learners
2026年5月11日
GPT-4 Technical Report
2026年5月11日
GPT-4o System Card
2026年4月30日
GPT 系列代际比较
2026年4月30日
CLIP 对比语言图像预训练
2026年4月30日
GPT 系列模型
2026年4月30日
GPT-4o
2026年4月30日
gpt-oss-120b & gpt-oss-20b Model Card

optimal-transport

此标签下有2条笔记。

2026年4月30日
Flow Matching
2026年4月30日
Flow Matching for Generative Modeling

paradigm

此标签下有1条笔记。

2026年4月30日
生成式推荐

param

此标签下有1条笔记。

2026年4月30日
Swin Transformer: Hierarchical Vision Transformer using Shifted Windows
- clippings
- param

Parameters

此标签下有1条笔记。

2026年4月30日
Outrageously Large Neural Networks: The Sparsely-Gated Mixture-of-Experts Layer

Params

此标签下有4条笔记。

2026年4月30日
Lumina-DiMOO: An Omni Diffusion Large Language Model for Multi-Modal Generation and Understanding
2026年4月30日
Show-o2: Improved Native Unified Multimodal Models
2026年4月30日
InterFormer: Effective Heterogeneous Interaction Learning for Click-Through Rate Prediction
2026年4月30日
Outrageously Large Neural Networks: The Sparsely-Gated Mixture-of-Experts Layer

PDF

此标签下有5条笔记。

2026年4月30日
OmniDocBench: Benchmarking Diverse PDF Document Parsing with Comprehensive Annotations
2026年4月30日
olmOCR: Unlocking Trillions of Tokens in PDFs with Vision Language Models
2026年4月30日
PDF 文档解析
2026年4月30日
OmniDocBench: Benchmarking Diverse PDF Document Parsing
2026年4月30日
olmOCR: Unlocking Trillions of Tokens in PDFs with VLMs

physics

此标签下有2条笔记。

2026年4月30日
EditWorld
2026年4月30日
EditWorld: Simulating World Dynamics for Instruction-Following Image Editing

pixel-space

此标签下有2条笔记。

2026年4月30日
Tuna-2
2026年4月30日
Tuna-2: Pixel Embeddings Beat Vision Encoders for Multimodal Understanding and Generation

pku

此标签下有1条笔记。

2026年4月30日
UniWorld-V1

planning

此标签下有2条笔记。

2026年5月01日
Agent 图像编辑
2026年4月30日
Tree of Thoughts: Deliberate Problem Solving with Large Language Models

position-encoding

此标签下有2条笔记。

2026年5月11日
RoFormer: Enhanced Transformer with Rotary Position Embedding
2026年4月30日
RoPE 旋转位置编码

PPO

此标签下有3条笔记。

2026年4月30日
Training language models to follow instructions with human feedback
2026年4月30日
GRPO 分组相对策略优化
2026年4月30日
RLHF
- RLHF
- alignment
- PPO
- DPO
- RL

preference-alignment

此标签下有1条笔记。

2026年4月30日
OneRec: Unifying Retrieve and Rank with Generative Recommender and Preference Alignment

pretraining

此标签下有5条笔记。

2026年5月11日
BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding
2026年5月07日
GPT-2
2026年5月07日
Qwen 技术报告
2026年5月07日
Qwen2.5 技术报告
2026年4月30日
DeepSeek LLM: Scaling Open-Source Language Models with Longtermism

primitives

此标签下有1条笔记。

2026年5月07日
Thinking with Visual Primitives

Prompt-Engineering

此标签下有2条笔记。

2026年4月30日
Chain-of-Thought Prompting Elicits Reasoning in Large Language Models
2026年4月30日
Graph of Thoughts: Solving Elaborate Problems with Large Language Models

prompting

此标签下有4条笔记。

2026年4月30日
Chain-of-Thought 思维链
2026年4月30日
Chain-of-Thought Prompting Elicits Reasoning in Large Language Models
2026年4月30日
Graph of Thoughts: Solving Elaborate Problems with Large Language Models
2026年4月30日
推理增强方法

psychology

此标签下有1条笔记。

2026年4月30日
Valence-Arousal 情感模型

Python

此标签下有1条笔记。

2026年4月30日
PyTorch: An Imperative Style, High-Performance Deep Learning Library

PyTorch

此标签下有1条笔记。

2026年4月30日
PyTorch: An Imperative Style, High-Performance Deep Learning Library

QA

此标签下有1条笔记。

2026年4月30日
Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks

quantization

此标签下有2条笔记。

2026年5月07日
DeepSeek V4
2026年5月01日
VQ-VAE 离散 Token 化

qwen

此标签下有6条笔记。

2026年5月07日
Qwen 技术报告
2026年5月07日
Qwen-Image 技术报告
2026年5月07日
Qwen2.5 技术报告
2026年5月07日
Qwen2.5-VL 技术报告
2026年5月07日
Qwen3-VL 技术报告
2026年5月07日
Qwen3-VL-Embedding and Reranker

Qwen

此标签下有6条笔记。

2026年4月30日
国产大模型技术路线比较
2026年4月30日
推理模型训练方法比较 DeepSeek-R1 vs Kimi k1.5 vs Qwen3
2026年4月30日
MoE 混合专家模型
2026年4月30日
Qwen3
2026年4月30日
Qwen3 Technical Report
2026年4月30日
国产大模型演进

Qwen-Image

此标签下有1条笔记。

2026年4月30日
Qwen-Image-Layered: Towards Inherent Editability via Layer Decomposition

RAG

此标签下有2条笔记。

2026年4月30日
RAG 检索增强生成
2026年4月30日
Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks

ranking

此标签下有1条笔记。

2026年4月30日
CTR 预估

ranking-model

此标签下有1条笔记。

2026年4月30日
OneTrans: Unified Feature Interaction and Sequence Modeling with One Transformer in Industrial Recommender

reasoning

此标签下有23条笔记。显示前10个标签。

2026年5月07日
DeepSeek V4
2026年5月07日
OpenAI o1 System Card
2026年5月07日
Qwen3-VL 技术报告
2026年5月01日
Agent 图像编辑
2026年4月30日
推理增强方法比较
2026年4月30日
编辑方法能力演进
2026年4月30日
Chain-of-Thought 思维链
2026年4月30日
EditWorld
2026年4月30日
GoT
2026年4月30日
Mind-Brush

reasoning-model

此标签下有2条笔记。

2026年4月30日
推理增强方法比较
2026年4月30日
Competitive Programming with Large Reasoning Models

recommendation

此标签下有2条笔记。

2026年5月07日
生成式推荐综述
2026年4月30日
SAIL-Embedding: Omni-modal Embedding Foundation Model

recommender-systems

此标签下有3条笔记。

2026年4月30日
CTR 预估
2026年4月30日
生成式推荐
2026年4月30日
生成式推荐系统

rectified-flow

此标签下有2条笔记。

2026年4月30日
FLUX.1 Kontext: Flow Matching for In-Context Image Generation and Editing in Latent Space
2026年4月30日
扩散模型与 Flow Matching 基础

Rectified-Flow

此标签下有1条笔记。

2026年4月30日
FLUX.1 Kontext: Flow Matching Rectified Transformer for Unified Image Generation and Editing

region-level

此标签下有1条笔记。

2026年4月30日
ObjEmbed: Towards Universal Multimodal Object Embeddings

reinforcement-learning

此标签下有8条笔记。

2026年5月07日
GLM-5 从 Vibe Coding 到 Agentic Engineering
2026年5月07日
Gen-Searcher
2026年5月06日
Self-Evolving Agents 自演化智能体
2026年5月06日
Self-Evolving Agents 综述
2026年4月30日
VisionCreator
2026年4月30日
OneRec Technical Report
2026年4月30日
OneRec-V2 Technical Report
2026年4月30日
VisionCreator: A Native Visual-Generation Agentic Model

REPA

此标签下有1条笔记。

2026年4月30日
Seedream 3.0 Technical Report

reranker

此标签下有1条笔记。

2026年5月07日
Qwen3-VL-Embedding and Reranker

retrieval

此标签下有4条笔记。

2026年5月07日
Qwen3-VL-Embedding and Reranker
2026年5月07日
VLM2Vec-V2
2026年4月30日
多模态 Embedding 模型
2026年4月30日
多模态 Embedding 与检索

RGBA

此标签下有1条笔记。

2026年4月30日
Qwen-Image-Layered: Towards Inherent Editability via Layer Decomposition

rl

此标签下有3条笔记。

2026年5月07日
OpenAI o1 System Card
2026年4月30日
DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement Learning
2026年4月30日
DeepSeek-V3.2: Pushing the Frontier of Open Large Language Models

RL

此标签下有17条笔记。显示前10个标签。

2026年5月01日
审美评估与推理
2026年4月30日
Competitive Programming with Large Reasoning Models
2026年4月30日
DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement Learning
2026年4月30日
Kimi K2.5: Visual Agentic Intelligence
2026年4月30日
Kimi K2: Open Agentic Intelligence
2026年4月30日
Kimi k1.5: Scaling Reinforcement Learning with LLMs
2026年4月30日
OneRec Technical Report
2026年4月30日
推理模型训练方法比较 DeepSeek-R1 vs Kimi k1.5 vs Qwen3
2026年4月30日
GRPO 分组相对策略优化
2026年4月30日
RLHF
- RLHF
- alignment
- PPO
- DPO
- RL

RL-recommendation

此标签下有1条笔记。

2026年4月30日
OneRec-Think: In-Text Reasoning for Generative Recommendation

RL-Scaling

此标签下有2条笔记。

2026年4月30日
DeepSeek-V3.2: Pushing the Frontier of Open Large Language Models
2026年4月30日
MiniMax-M1: Scaling Test-Time Compute Efficiently with Lightning Attention

rlhf

此标签下有1条笔记。

2026年5月07日
Qwen 技术报告

RLHF

此标签下有6条笔记。

2026年5月11日
Training Language Models to Follow Instructions with Human Feedback
2026年4月30日
GPT-4 Technical Report
2026年4月30日
Training language models to follow instructions with human feedback
2026年4月30日
Seedream 2.0: A Native Chinese-English Bilingual Image Generation Foundation Model
2026年4月30日
DPO 直接偏好优化
2026年4月30日
RLHF
- RLHF
- alignment
- PPO
- DPO
- RL

RLVR

此标签下有1条笔记。

2026年4月30日
Kimi K2: Open Agentic Intelligence

RoPE

此标签下有2条笔记。

2026年5月11日
RoFormer: Enhanced Transformer with Rotary Position Embedding
2026年4月30日
RoPE 旋转位置编码

Row

此标签下有1条笔记。

2026年4月30日
DINO: DETR with Improved DeNoising Anchor Boxes for End-to-End Object Detection
- clippings
- Row

safety

此标签下有4条笔记。

2026年5月11日
GPT-4 Technical Report
2026年5月11日
GPT-4o System Card
2026年5月07日
LLM 可扩展水印
2026年5月07日
OpenAI o1 System Card

Safety

此标签下有2条笔记。

2026年4月30日
GPT-4 Technical Report
2026年4月30日
DeepSeek LLM Scaling Open-Source Language Models with Longtermism

Samples

此标签下有2条笔记。

2026年4月30日
InterFormer: Effective Heterogeneous Interaction Learning for Click-Through Rate Prediction
2026年4月30日
UltraEdit: Instruction-based Fine-Grained Image Editing at Scale
- clippings
- Samples

scaling

此标签下有8条笔记。

2026年5月11日
LLaMA: Open and Efficient Foundation Language Models
2026年5月11日
The Llama 3 Herd of Models
2026年5月11日
Language Models are Few-Shot Learners
2026年5月11日
GPT-4 Technical Report
2026年4月30日
GPT 系列代际比较
2026年4月30日
Scaling Laws
2026年4月30日
测试时计算扩展
2026年4月30日
大语言模型基础

Scaling_Laws

此标签下有1条笔记。

2026年5月11日
推荐算法阅读笔记

Scaling-Law

此标签下有6条笔记。

2026年4月30日
Training Compute-Optimal Large Language Models
2026年4月30日
Language Models are Few-Shot Learners
2026年4月30日
LLaMA: Open and Efficient Foundation Language Models
2026年4月30日
OneRec-V2 Technical Report
2026年4月30日
OneTrans: Unified Feature Interaction and Sequence Modeling with One Transformer in Industrial Recommender
2026年4月30日
OpenOneRec: An Open Foundation Model and Benchmark to Accelerate Generative Recommendation

scaling-laws

此标签下有6条笔记。

2026年5月11日
Training Compute-Optimal Large Language Models
2026年4月30日
LLM 缩放定律比较
2026年4月30日
DeepSeek LLM: Scaling Open-Source Language Models with Longtermism
2026年4月30日
OneRec Technical Report
2026年4月30日
OneRec-V2 Technical Report
2026年4月30日
OpenOneRec Technical Report: An Open Foundation Model and Benchmark to Accelerate Generative Recommendation

Scenario

此标签下有1条笔记。

2026年4月30日
OCRBench v2: An Improved Benchmark for Evaluating Large Multimodal Models on Visual Text Localization and Reasoning

scientific-figure

此标签下有1条笔记。

2026年5月07日
PaperBanana

score-matching

此标签下有1条笔记。

2026年4月30日
Denoising Diffusion Probabilistic Models

search

此标签下有2条笔记。

2026年5月07日
Gen-Searcher
2026年4月30日
Tree of Thoughts: Deliberate Problem Solving with Large Language Models

seed

此标签下有1条笔记。

2026年5月07日
Seedance 2.0 视频生成

Seedream

此标签下有5条笔记。

2026年4月30日
Seedream 系列模型
2026年4月30日
Seedream 2.0: A Native Chinese-English Bilingual Image Generation Foundation Model
2026年4月30日
Seedream 3.0 Technical Report
2026年4月30日
Seedream 4.0: Toward Next-generation Multimodal Image Generation
2026年4月30日
扩散模型与 Flow Matching 基础

self-attention

此标签下有1条笔记。

2026年4月30日
An Image is Worth 16x16 Words: Transformers for Image Recognition at Scale

self-evolution

此标签下有3条笔记。

2026年5月08日
Agentic Harness Engineering: Observability-Driven Automatic Evolution of Coding-Agent Harnesses
2026年5月07日
AHE Agentic Harness Engineering
2026年5月03日
Agentic Harness Engineering (AHE)

self-evolving

此标签下有2条笔记。

2026年5月06日
Self-Evolving Agents 自演化智能体
2026年5月06日
Self-Evolving Agents 综述

Self-GRPO

此标签下有1条笔记。

2026年4月30日
Lumina-DiMOO: An Omni Diffusion Large Language Model for Multi-Modal Generation and Understanding

semantic-encoder

此标签下有2条笔记。

2026年4月30日
UniWorld-V1
2026年4月30日
UniWorld-V1: High-Resolution Semantic Encoders for Unified Visual Understanding and Generation

sequence-modeling

此标签下有3条笔记。

2026年4月30日
HyFormer: Revisiting the Roles of Sequence Modeling and Feature Interaction in CTR Prediction
2026年4月30日
InterFormer: Effective Heterogeneous Interaction Learning for Click-Through Rate Prediction
2026年4月30日
OneTrans: Unified Feature Interaction and Sequence Modeling with One Transformer in Industrial Recommender

session-wise-generation

此标签下有1条笔记。

2026年4月30日
OneRec: Unifying Retrieve and Rank with Generative Recommender and Preference Alignment

shanghai-ai-lab

此标签下有1条笔记。

2026年4月30日
Lumina-DiMOO

shifted-window

此标签下有1条笔记。

2026年4月30日
Swin Transformer: Hierarchical Vision Transformer using Shifted Windows

Shifted-Window

此标签下有1条笔记。

2026年4月30日
Swin Transformer: Hierarchical Vision Transformer using Shifted Windows

show-lab

此标签下有1条笔记。

2026年4月30日
Show-o2

show-o

此标签下有1条笔记。

2026年4月30日
Show-o2: Improved Native Unified Multimodal Models

siglip

此标签下有1条笔记。

2026年4月30日
SigLIP 2: Multilingual Vision-Language Encoders with Improved Semantic Understanding, Localization, and Dense Features

SigLIP

此标签下有3条笔记。

2026年4月30日
UniWorld-V1: High-Resolution Semantic Encoders for Unified Visual Understanding and Generation
2026年4月30日
多模态对比学习
2026年4月30日
UniWorld-V1: High-Resolution Semantic Encoders for Unified Visual Understanding and Generation

Size

此标签下有1条笔记。

2026年4月30日
ImgEdit: A Unified Image Editing Dataset and Benchmark

sparse-attention

此标签下有1条笔记。

2026年4月30日
DeepSeek-V3.2: Pushing the Frontier of Open Large Language Models

sparsity

此标签下有1条笔记。

2026年4月30日
Kimi K2: Open Agentic Intelligence

spatial-grounding

此标签下有1条笔记。

2026年5月07日
Thinking with Visual Primitives

Stable-Diffusion

此标签下有1条笔记。

2026年4月30日
LoRA 低秩适配

Sub-tasks

此标签下有1条笔记。

2026年4月30日
Step1X-Edit: A Practical Framework for General Image Editing
- clippings
- Sub-tasks

Sub-Tasks

此标签下有1条笔记。

2026年4月30日
ImgEdit: A Unified Image Editing Dataset and Benchmark

survey

此标签下有6条笔记。

2026年5月07日
LLM Agent 综述 2023
2026年5月07日
生成式推荐综述
2026年5月06日
Self-Evolving Agents 综述
2026年4月30日
Agent AI: Surveying the Horizons of Multimodal Interaction
2026年4月30日
A Survey on LLM-based Autonomous Agents
2026年4月30日
Unified Multimodal Understanding and Generation Models: Advances, Challenges, and Opportunities

Swin

此标签下有1条笔记。

2026年4月30日
Vision Transformer 架构比较

Switch-Transformer

此标签下有2条笔记。

2026年4月30日
MoE 混合专家模型
2026年4月30日
Switch Transformers: Scaling to Trillion Parameter Models with Simple and Efficient Sparsity

System-Card

此标签下有1条笔记。

2026年4月30日
GPT-4o System Card

Task

此标签下有1条笔记。

2026年4月30日
OCRBench v2: An Improved Benchmark for Evaluating Large Multimodal Models on Visual Text Localization and Reasoning

task-aware

此标签下有1条笔记。

2026年4月30日
AnyEdit: Mastering Unified High-Quality Image Editing for Any Idea

tasks

此标签下有1条笔记。

2026年5月07日
生成式推荐综述

taxonomy

此标签下有2条笔记。

2026年4月30日
OpenGPT-4o-Image: A Comprehensive Dataset for Advanced Image Generation and Editing
2026年4月30日
Unified Multimodal Understanding and Generation Models: Advances, Challenges, and Opportunities

Tencent

此标签下有2条笔记。

2026年4月30日
VisionCreator
2026年4月30日
VisionCreator: A Native Visual-Generation Agentic Model

test-time-compute

此标签下有2条笔记。

2026年4月30日
测试时计算扩展
2026年4月30日
MiniMax-M1: Scaling Test-Time Compute Efficiently with Lightning Attention

text-recognition

此标签下有1条笔记。

2026年4月30日
OCRBench v2: An Improved Benchmark for Evaluating LMMs on Visual Text

text-rendering

此标签下有3条笔记。

2026年5月07日
Qwen-Image 技术报告
2026年4月30日
Seedream 2.0: A Native Chinese-English Bilingual Image Generation Foundation Model
2026年4月30日
Seedream 3.0 Technical Report

thinking-budget

此标签下有1条笔记。

2026年4月30日
Qwen3 Technical Report

token

此标签下有1条笔记。

2026年4月30日
ObjEmbed: Towards Universal Multimodal Object Embeddings
- clippings
- token

token-compression

此标签下有1条笔记。

2026年4月30日
Magic-MM-Embedding

tokenization

此标签下有1条笔记。

2026年5月01日
VQ-VAE 离散 Token 化

Tokenization

此标签下有1条笔记。

2026年4月30日
Unified Multimodal Understanding and Generation Models: Advances, Challenges, and Opportunities

Tokenizer

此标签下有1条笔记。

2026年5月11日
推荐算法阅读笔记

Tokens

此标签下有1条笔记。

2026年4月30日
Emu3.5: Native Multimodal Models are World Learners

tool-use

此标签下有3条笔记。

2026年5月07日
LLM Agent 与工具使用
2026年5月01日
Agent 图像编辑
2026年4月30日
Agent Banana: High-Fidelity Image Editing with Agentic Thinking and Tooling

Tool-Use

此标签下有1条笔记。

2026年4月30日
The Llama 3 Herd of Models

toolkit

此标签下有1条笔记。

2026年4月30日
olmOCR: Unlocking Trillions of Tokens in PDFs with VLMs

Tools

此标签下有1条笔记。

2026年5月07日
Qwen3-VL Technical Report
- clippings
- Tools

topological-reasoning

此标签下有1条笔记。

2026年5月07日
Thinking with Visual Primitives

ToT

此标签下有2条笔记。

2026年4月30日
Tree of Thoughts: Deliberate Problem Solving with Large Language Models
- clippings
- ToT
2026年4月30日
推理增强方法比较

Total

此标签下有1条笔记。

2026年4月30日
DeepSeek LLM Scaling Open-Source Language Models with Longtermism

TP

此标签下有1条笔记。

2026年4月30日
DeepSeek-Coder-V2: Breaking the Barrier of Closed-Source Models in Code Intelligence

transformer

此标签下有6条笔记。

2026年5月11日
Attention Is All You Need
2026年5月11日
RoFormer: Enhanced Transformer with Rotary Position Embedding
2026年4月30日
RoPE 旋转位置编码
2026年4月30日
Transformer
2026年4月30日
OneTrans: Unified Feature Interaction and Sequence Modeling with One Transformer in Industrial Recommender
2026年4月30日
大语言模型基础

Transformer

此标签下有5条笔记。

2026年4月30日
DINO: DETR with Improved DeNoising Anchor Boxes for End-to-End Object Detection
2026年4月30日
InterFormer: Effective Heterogeneous Interaction Learning for Click-Through Rate Prediction
2026年4月30日
OneTrans: Unified Feature Interaction and Sequence Modeling with One Transformer in Industrial Recommender
2026年4月30日
RoFormer: Enhanced Transformer with Rotary Position Embedding
2026年4月30日
DiT 扩散 Transformer

tree-of-thoughts

此标签下有1条笔记。

2026年4月30日
Tree of Thoughts: Deliberate Problem Solving with Large Language Models

tuna-2

此标签下有1条笔记。

2026年4月30日
Tuna-2: Pixel Embeddings Beat Vision Encoders for Multimodal Understanding and Generation

Turn

此标签下有1条笔记。

2026年4月30日
Agent Banana: High-Fidelity Image Editing with Agentic Thinking and Tooling
- clippings
- Turn

Types

此标签下有1条笔记。

2026年4月30日
ImgEdit: A Unified Image Editing Dataset and Benchmark

U-Net

此标签下有7条笔记。

2025年7月13日
Adding Conditional Control to Text-to-Image Diffusion Models
2025年7月13日
InstructPix2Pix: Learning to Follow Image Editing Instructions
2025年7月10日
AnyEdit: Mastering Unified High-Quality Image Editing for Any Idea
2025年7月10日
EditWorld: Simulating World Dynamics for Instruction-Following Image Editing
2025年7月10日
GoT：Unleashing Reasoning Capability of Multimodal Large Language Model for Visual Generation and Editing
2025年7月10日
UltraEdit：Instruction-based Fine-Grained Image Editing at Scale
2025年7月10日
EmoEdit：Evoking Emotions through Image Manipulation

UNet

此标签下有1条笔记。

2026年4月30日
扩散模型架构比较 UNet vs DiT

unified

此标签下有2条笔记。

2026年4月30日
AnyEdit: Mastering Unified High-Quality Image Editing for Any Idea
2026年4月30日
ImgEdit: A Unified Image Editing Dataset and Benchmark

unified-architecture

此标签下有2条笔记。

2026年4月30日
HyFormer: Revisiting the Roles of Sequence Modeling and Feature Interaction in CTR Prediction
2026年4月30日
OneTrans: Unified Feature Interaction and Sequence Modeling with One Transformer in Industrial Recommender

unified-model

此标签下有3条笔记。

2026年5月07日
Emu3 原生多模态模型
2026年5月07日
Unify-Agent
2026年4月30日
原生多模态模型

unified-multimodal

此标签下有17条笔记。显示前10个标签。

2026年4月30日
统一多模态模型架构比较
2026年4月30日
BAGEL
2026年4月30日
Lumina-DiMOO
2026年4月30日
OmniGen2
2026年4月30日
Show-o2
2026年4月30日
Tuna-2
2026年4月30日
UniWorld-V1
2026年4月30日
BAGEL 图文交错生成能力
2026年4月30日
关于统一多模态模型的问题
- unified-multimodal
- open-questions
2026年4月30日
BAGEL: Emerging Properties in Unified Multimodal Pretraining

uniworld

此标签下有1条笔记。

2026年4月30日
UniWorld-V1: High-Resolution Semantic Encoders for Unified Visual Understanding and Generation

VAE

此标签下有1条笔记。

2026年4月30日
Seedream 4.0: Toward Next-generation Multimodal Image Generation

valence

此标签下有1条笔记。

2026年4月30日
Valence-Arousal 情感模型

valence-arousal

此标签下有4条笔记。

2026年4月30日
情感表示方法比较
2026年4月30日
EmotiCrafter
2026年4月30日
EmoArt: A Multidimensional Dataset for Emotion-Aware Artistic Generation
2026年4月30日
EmotiCrafter: Text-to-Emotional-Image Generation based on Valence-Arousal Model

video

此标签下有1条笔记。

2026年5月07日
VLM2Vec-V2

video-generation

此标签下有1条笔记。

2026年5月07日
Seedance 2.0 视频生成

video-retrieval

此标签下有1条笔记。

2026年4月30日
RzenEmbed: Towards Comprehensive Multimodal Retrieval

vision-architecture

此标签下有1条笔记。

2026年4月30日
MLP-Mixer: An all-MLP Architecture for Vision

vision-language

此标签下有3条笔记。

2026年5月07日
Qwen2.5-VL 技术报告
2026年5月07日
Qwen3-VL 技术报告
2026年4月30日
SigLIP 2: Multilingual Vision-Language Encoders with Improved Semantic Understanding, Localization, and Dense Features

vision-transformer

此标签下有6条笔记。

2026年4月30日
Vision Transformer 架构比较
2026年4月30日
Swin Transformer
2026年4月30日
Vision Transformer (ViT)
2026年4月30日
Swin Transformer: Hierarchical Vision Transformer using Shifted Windows
2026年4月30日
An Image is Worth 16x16 Words: Transformers for Image Recognition at Scale
2026年4月30日
Vision Transformer 演进

visual-emotion

此标签下有1条笔记。

2026年5月07日
EmoSet 视觉情感数据集

visual-reasoning

此标签下有1条笔记。

2026年5月07日
Thinking with Visual Primitives

ViT

此标签下有4条笔记。

2026年4月30日
Masked Autoencoders Are Scalable Vision Learners
2026年4月30日
Vision Transformer 架构比较
2026年4月30日
MAE 掩码自编码器
2026年4月30日
Masked Autoencoders Are Scalable Vision Learners

vlm

此标签下有3条笔记。

2026年5月07日
Qwen2.5-VL 技术报告
2026年5月07日
Qwen3-VL 技术报告
2026年5月07日
Qwen3-VL-Embedding and Reranker

VLM

此标签下有7条笔记。

2026年4月30日
Kimi-VL Technical Report
2026年4月30日
olmOCR: Unlocking Trillions of Tokens in PDFs with Vision Language Models
2026年4月30日
PDF 文档解析
2026年4月30日
Kimi-VL Technical Report
2026年4月30日
OmniDocBench: Benchmarking Diverse PDF Document Parsing
2026年4月30日
olmOCR: Unlocking Trillions of Tokens in PDFs with VLMs
2026年4月29日
DreamOmni2: Multimodal Instruction-based Editing and Generation

VLM奖励模型

此标签下有1条笔记。

2026年4月30日
Seedream 3.0 Technical Report

VQ

此标签下有1条笔记。

2026年5月01日
VQ-VAE 离散 Token 化

watermarking

此标签下有1条笔记。

2026年5月07日
LLM 可扩展水印

world-dynamics

此标签下有2条笔记。

2026年4月30日
EditWorld
2026年4月30日
EditWorld: Simulating World Dynamics for Instruction-Following Image Editing

world-grounded

此标签下有1条笔记。

2026年5月07日
Unify-Agent

world-knowledge

此标签下有1条笔记。

2026年4月30日
WorldEdit: Towards Open-World Image Editing with a Knowledge-Informed Benchmark

world-model

此标签下有1条笔记。

2026年4月30日
Emu3.5: Native Multimodal Models are World Learners

YOLO

此标签下有2条笔记。

2026年4月30日
You Only Look Once: Unified, Real-Time Object Detection
2026年4月30日
目标检测基础

zero-shot

此标签下有3条笔记。

2026年5月07日
GPT-2
2026年4月30日
CLAP: Learning Audio Concepts From Natural Language Supervision
2026年4月30日
CLAP: Learning Audio Concepts From Natural Language Supervision

zhipu

此标签下有1条笔记。

2026年5月07日
GLM-5 从 Vibe Coding 到 Agentic Engineering

一致性

此标签下有1条笔记。

2026年4月30日
Qwen-Image-Layered: Towards Inherent Editability via Layer Decomposition

一阶段检测

此标签下有1条笔记。

2026年4月30日
You Only Look Once: Unified, Real-Time Object Detection

万亿参数

此标签下有1条笔记。

2026年4月30日
Switch Transformers: Scaling to Trillion Parameter Models with Simple and Efficient Sparsity

世界模型

此标签下有1条笔记。

2026年4月30日
Emu3.5: Native Multimodal Models are World Learners

中英文

此标签下有1条笔记。

2026年4月30日
Seedream 2.0: A Native Chinese-English Bilingual Image Generation Foundation Model

代码模型

此标签下有1条笔记。

2026年4月30日
DeepSeek-Coder-V2: Breaking the Barrier of Closed-Source Models in Code Intelligence

代码生成

此标签下有1条笔记。

2026年4月30日
DeepSeek-Coder-V2: Breaking the Barrier of Closed-Source Models in Code Intelligence

位置编码

此标签下有1条笔记。

2026年4月30日
RoFormer: Enhanced Transformer with Rotary Position Embedding

低秩分解

此标签下有1条笔记。

2026年4月30日
LoRA: Low-Rank Adaptation of Large Language Models

何恺明

此标签下有2条笔记。

2026年4月30日
MAE 掩码自编码器
2026年4月30日
Masked Autoencoders Are Scalable Vision Learners

偏好学习

此标签下有1条笔记。

2026年4月30日
DPO 直接偏好优化

偏好对齐

此标签下有1条笔记。

2026年4月30日
OneRec: Unifying Retrieve and Rank with Generative Recommender and Preference Alignment

像素嵌入

此标签下有1条笔记。

2026年4月30日
Tuna-2: Pixel Embeddings Beat Vision Encoders for Multimodal Understanding and Generation

像素空间

此标签下有1条笔记。

2026年4月30日
Tuna-2: Pixel Embeddings Beat Vision Encoders for Multimodal Understanding and Generation

兼容式执行

此标签下有1条笔记。

2026年4月30日
PyTorch: An Imperative Style, High-Performance Deep Learning Library

分层架构

此标签下有1条笔记。

2026年4月30日
Swin Transformer: Hierarchical Vision Transformer using Shifted Windows

分层编辑

此标签下有1条笔记。

2026年4月30日
Qwen-Image-Layered: Towards Inherent Editability via Layer Decomposition

单阶段检测器

此标签下有1条笔记。

2026年4月30日
You Only Look Once: Unified, Real-Time Object Detection

原生多模态

此标签下有3条笔记。

2026年4月30日
Emu3.5: Native Multimodal Models are World Learners
2026年4月30日
Show-o2: Improved Native Unified Multimodal Models
2026年4月30日
多模态模型的最终形态是原生统一还是模块化组装

去噪训练

此标签下有1条笔记。

2026年4月30日
DINO: DETR with Improved DeNoising Anchor Boxes for End-to-End Object Detection

参数高效微调

此标签下有1条笔记。

2026年4月30日
LoRA: Low-Rank Adaptation of Large Language Models

双向Transformer

此标签下有1条笔记。

2026年4月30日
BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding

双语生成

此标签下有2条笔记。

2026年4月30日
Seedream 2.0: A Native Chinese-English Bilingual Image Generation Foundation Model
2026年4月30日
Seedream 3.0 Technical Report

召回

此标签下有1条笔记。

2026年4月30日
OneRec: Unifying Retrieve and Rank with Generative Recommender and Preference Alignment

可观测性

此标签下有1条笔记。

2026年5月08日
Agentic Harness Engineering: Observability-Driven Automatic Evolution of Coding-Agent Harnesses

可追溯性

此标签下有1条笔记。

2026年4月30日
RAG 检索增强生成

国产大模型

此标签下有2条笔记。

2026年4月30日
国产大模型技术路线比较
2026年4月30日
国产大模型演进

图像分类

此标签下有2条笔记。

2026年4月30日
MLP-Mixer: An all-MLP Architecture for Vision
2026年4月30日
An Image is Worth 16x16 Words: Transformers for Image Recognition at Scale

图像生成

此标签下有15条笔记。显示前10个标签。

2026年4月30日
Denoising Diffusion Probabilistic Models
2026年4月30日
Emu3.5: Native Multimodal Models are World Learners
2026年4月30日
FLUX.1 Kontext: Flow Matching Rectified Transformer for Unified Image Generation and Editing
2026年4月30日
Lumina-DiMOO: An Omni Diffusion Large Language Model for Multi-Modal Generation and Understanding
2026年4月30日
OmniGen2: Towards Instruction-Aligned Multimodal Generation
2026年4月30日
Seedream 2.0: A Native Chinese-English Bilingual Image Generation Foundation Model
2026年4月30日
Seedream 3.0 Technical Report
2026年4月30日
Seedream 4.0: Toward Next-generation Multimodal Image Generation
2026年4月30日
扩散模型架构比较 UNet vs DiT
2026年4月30日
DiT 扩散 Transformer

图像编辑

此标签下有10条笔记。

2026年4月30日
FLUX.1 Kontext: Flow Matching Rectified Transformer for Unified Image Generation and Editing
2026年4月30日
OmniGen2: Towards Instruction-Aligned Multimodal Generation
2026年4月30日
Seedream 4.0: Toward Next-generation Multimodal Image Generation
2026年4月30日
UniWorld-V1: High-Resolution Semantic Encoders for Unified Visual Understanding and Generation
2026年4月30日
Qwen-Image-Layered: Towards Inherent Editability via Layer Decomposition
2026年4月30日
Emerging Properties in Unified Multimodal Pretraining
2026年4月30日
Lumina-DiMOO: An Omni Diffusion Large Language Model for Multi-Modal Generation and Understanding
2026年4月30日
OmniGen2: Towards Instruction-Aligned Multimodal Generation
2026年4月30日
Tuna-2: Pixel Embeddings Beat Vision Encoders for Multimodal Understanding and Generation
2026年4月30日
UniWorld-V1: High-Resolution Semantic Encoders for Unified Visual Understanding and Generation

图层分解

此标签下有1条笔记。

2026年4月30日
Qwen-Image-Layered: Towards Inherent Editability via Layer Decomposition

图推理

此标签下有1条笔记。

2026年4月30日
Graph of Thoughts: Solving Elaborate Problems with Large Language Models

基础架构

此标签下有1条笔记。

2026年4月30日
Attention Is All You Need

多图生成

此标签下有1条笔记。

2026年4月30日
Seedream 4.0: Toward Next-generation Multimodal Image Generation

多模态

此标签下有46条笔记。显示前10个标签。

2026年5月11日
EmotiCrafter，EmoAgent，Affective Image Editing
2026年4月30日
CLAP: Learning Audio Concepts From Natural Language Supervision
2026年4月30日
Emu3.5: Native Multimodal Models are World Learners
2026年4月30日
GPT-4 Technical Report
2026年4月30日
GPT-4o System Card
2026年4月30日
Kimi K2.5: Visual Agentic Intelligence
2026年4月30日
Kimi k1.5: Scaling Reinforcement Learning with LLMs
2026年4月30日
Kimi-VL Technical Report
2026年4月30日
Lumina-DiMOO: An Omni Diffusion Large Language Model for Multi-Modal Generation and Understanding
2026年4月30日
Magic-MM-Embedding: Towards Visual-Token-Efficient Universal Multimodal Embedding with MLLMs

多语言

此标签下有3条笔记。

2026年4月30日
The Llama 3 Herd of Models
2026年4月30日
Qwen3 Technical Report
2026年4月30日
SigLIP 2: Multilingual Vision-Language Encoders with Improved Semantic Understanding, Localization, and Dense Features

大语言模型

此标签下有5条笔记。

2026年4月30日
Training Compute-Optimal Large Language Models
2026年4月30日
Language Models are Few-Shot Learners
2026年4月30日
GPT-4 Technical Report
2026年4月30日
LLaMA: Open and Efficient Foundation Language Models
2026年4月30日
The Llama 3 Herd of Models

安全

此标签下有1条笔记。

2026年4月30日
GPT-4o System Card

安全对齐

此标签下有1条笔记。

2026年4月30日
gpt-oss-120b & gpt-oss-20b Model Card

实时

此标签下有1条笔记。

2026年4月30日
You Only Look Once: Unified, Real-Time Object Detection

实时检测

此标签下有1条笔记。

2026年4月30日
You Only Look Once: Unified, Real-Time Object Detection

密集预测

此标签下有1条笔记。

2026年4月30日
SigLIP 2: Multilingual Vision-Language Encoders with Improved Semantic Understanding, Localization, and Dense Features

对比

此标签下有1条笔记。

2026年4月30日
推理模型训练方法比较 DeepSeek-R1 vs Kimi k1.5 vs Qwen3

对比去噪训练

此标签下有1条笔记。

2026年4月30日
DINO: DETR with Improved DeNoising Anchor Boxes for End-to-End Object Detection

对比学习

此标签下有5条笔记。

2026年4月30日
CLAP: Learning Audio Concepts From Natural Language Supervision
2026年4月30日
ObjEmbed: Towards Universal Multimodal Object Embeddings
2026年4月30日
RzenEmbed: Towards Comprehensive Multimodal Retrieval
2026年4月30日
SigLIP 2: Multilingual Vision-Language Encoders with Improved Semantic Understanding, Localization, and Dense Features
2026年4月30日
CLIP 对比语言图像预训练

对齐

此标签下有2条笔记。

2026年4月30日
Training language models to follow instructions with human feedback
2026年4月30日
DPO 直接偏好优化

少样本学习

此标签下有1条笔记。

2026年4月30日
Language Models are Few-Shot Learners

嵌入

此标签下有2条笔记。

2026年4月30日
ObjEmbed: Towards Universal Multimodal Object Embeddings
2026年4月30日
RzenEmbed: Towards Comprehensive Multimodal Retrieval

嵌入模型

此标签下有2条笔记。

2026年4月30日
Magic-MM-Embedding: Towards Visual-Token-Efficient Universal Multimodal Embedding with MLLMs
2026年4月30日
SAIL-Embedding: Omni-modal Embedding Foundation Model

工业部署

此标签下有6条笔记。

2026年4月30日
HyFormer: Revisiting the Roles of Sequence Modeling and Feature Interaction in CTR Prediction
2026年4月30日
InterFormer: Effective Heterogeneous Interaction Learning for Click-Through Rate Prediction
2026年4月30日
OneRec Technical Report
2026年4月30日
OneRec-V2 Technical Report
2026年4月30日
OneTrans: Unified Feature Interaction and Sequence Modeling with One Transformer in Industrial Recommender
2026年4月30日
SAIL-Embedding: Omni-modal Embedding Foundation Model

工具使用

此标签下有2条笔记。

2026年4月30日
Kimi K2: Open Agentic Intelligence
2026年4月30日
多模态 Agent

并行Agent

此标签下有1条笔记。

2026年4月30日
Kimi K2.5: Visual Agentic Intelligence

幻觉

此标签下有1条笔记。

2026年4月30日
RAG 检索增强生成

序列建模

此标签下有3条笔记。

2026年4月30日
HyFormer: Revisiting the Roles of Sequence Modeling and Feature Interaction in CTR Prediction
2026年4月30日
InterFormer: Effective Heterogeneous Interaction Learning for Click-Through Rate Prediction
2026年4月30日
OneTrans: Unified Feature Interaction and Sequence Modeling with One Transformer in Industrial Recommender

开放词汇

此标签下有1条笔记。

2026年4月30日
ObjEmbed: Towards Universal Multimodal Object Embeddings

开源

此标签下有7条笔记。

2026年4月30日
DeepSeek LLM: Scaling Open-Source Language Models with Longtermism
2026年4月30日
DeepSeek-Coder-V2: Breaking the Barrier of Closed-Source Models in Code Intelligence
2026年4月30日
LLaMA: Open and Efficient Foundation Language Models
2026年4月30日
The Llama 3 Herd of Models
2026年4月30日
Qwen3 Technical Report
2026年4月30日
gpt-oss-120b & gpt-oss-20b Model Card
2026年4月30日
olmOCR: Unlocking Trillions of Tokens in PDFs with Vision Language Models

开源模型

此标签下有2条笔记。

2026年4月30日
OpenOneRec: An Open Foundation Model and Benchmark to Accelerate Generative Recommendation
2026年4月30日
gpt-oss-120b & gpt-oss-20b Model Card

强化学习

此标签下有3条笔记。

2026年4月30日
DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement Learning
2026年4月30日
GRPO 分组相对策略优化
2026年4月30日
推理模型与强化学习

待核实

此标签下有1条笔记。

2026年4月30日
Contradictions

微调

此标签下有4条笔记。

2026年4月30日
BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding
2026年4月30日
LoRA: Low-Rank Adaptation of Large Language Models
2026年4月30日
LoRA 低秩适配
2026年4月30日
LoRA: Low-Rank Adaptation of Large Language Models

思维链

此标签下有2条笔记。

2026年4月30日
Chain-of-Thought Prompting Elicits Reasoning in Large Language Models
2025年7月10日
GoT：Unleashing Reasoning Capability of Multimodal Large Language Model for Visual Generation and Editing

情感

此标签下有2条笔记。

2026年5月11日
EmotiCrafter，EmoAgent，Affective Image Editing
2025年7月10日
EmoEdit：Evoking Emotions through Image Manipulation

扩散模型

此标签下有6条笔记。

2026年4月30日
Denoising Diffusion Probabilistic Models
2026年4月30日
Emu3.5: Native Multimodal Models are World Learners
2026年4月30日
Unified Multimodal Understanding and Generation Models: Advances, Challenges, and Opportunities
2026年4月30日
扩散模型架构比较 UNet vs DiT
2026年4月30日
DiT 扩散 Transformer
2026年4月30日
FLUX

扩散模型替代

此标签下有1条笔记。

2026年4月30日
Flow Matching for Generative Modeling

抖音

此标签下有1条笔记。

2026年4月30日
SAIL-Embedding: Omni-modal Embedding Foundation Model

抖音搜索

此标签下有1条笔记。

2026年4月30日
HyFormer: Revisiting the Roles of Sequence Modeling and Feature Interaction in CTR Prediction

指令对齐

此标签下有2条笔记。

2026年4月30日
OmniGen2: Towards Instruction-Aligned Multimodal Generation
2026年4月30日
OmniGen2: Towards Instruction-Aligned Multimodal Generation

指令微调

此标签下有1条笔记。

2026年4月30日
Training language models to follow instructions with human feedback

排序

此标签下有1条笔记。

2026年4月30日
OneRec: Unifying Retrieve and Rank with Generative Recommender and Preference Alignment

推理

此标签下有9条笔记。

2026年4月30日
Chain-of-Thought Prompting Elicits Reasoning in Large Language Models
2026年4月30日
Competitive Programming with Large Reasoning Models
2026年4月30日
DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement Learning
2026年4月30日
DeepSeek-V3.2: Pushing the Frontier of Open Large Language Models
2026年4月30日
Graph of Thoughts: Solving Elaborate Problems with Large Language Models
2026年4月30日
Kimi k1.5: Scaling Reinforcement Learning with LLMs
2026年4月30日
OCRBench v2: An Improved Benchmark for Evaluating Large Multimodal Models on Visual Text Localization and Reasoning
2026年4月30日
Qwen3 Technical Report
2026年4月30日
Tree of Thoughts: Deliberate Problem Solving with Large Language Models

推理增强

此标签下有2条笔记。

2026年4月30日
OneRec-Think: In-Text Reasoning for Generative Recommendation
2026年4月30日
为什么 MCTS 在 LLM 推理中失败了

推理效率

此标签下有1条笔记。

2026年4月30日
MLA 多头潜在注意力

推理模型

此标签下有15条笔记。显示前10个标签。

2026年4月30日
MiniMax-M1: Scaling Test-Time Compute Efficiently with Lightning Attention
2026年4月30日
gpt-oss-120b & gpt-oss-20b Model Card
2026年4月30日
推理模型训练方法比较 DeepSeek-R1 vs Kimi k1.5 vs Qwen3
2026年4月30日
GRPO 分组相对策略优化
2026年4月30日
推理模型与强化学习
2026年4月30日
测试时计算扩展
2026年4月30日
知识蒸馏
2026年4月30日
DeepSeek 系列模型
2026年4月30日
Qwen3
2026年4月30日
为什么 MCTS 在 LLM 推理中失败了

推理能力

此标签下有1条笔记。

2026年4月30日
知识蒸馏 vs RL 哪种方式更能有效获得推理能力

推荐算法

此标签下有1条笔记。

2026年5月11日
推荐算法阅读笔记

推荐系统

此标签下有1条笔记。

2026年4月30日
SAIL-Embedding: Omni-modal Embedding Foundation Model

掩码自编码器

此标签下有1条笔记。

2026年4月30日
Masked Autoencoders Are Scalable Vision Learners

搜索

此标签下有2条笔记。

2026年4月30日
Tree of Thoughts: Deliberate Problem Solving with Large Language Models
2026年4月30日
为什么 MCTS 在 LLM 推理中失败了

效率

此标签下有1条笔记。

2026年4月30日
知识蒸馏 vs RL 哪种方式更能有效获得推理能力

教程

此标签下有1条笔记。

2026年5月07日
概率论与随机过程教程

数学

此标签下有1条笔记。

2026年5月07日
概率论与随机过程教程

数据集

此标签下有10条笔记。

2025年7月13日
InstructPix2Pix: Learning to Follow Image Editing Instructions
2025年7月10日
AnyEdit: Mastering Unified High-Quality Image Editing for Any Idea
2025年7月10日
EditWorld: Simulating World Dynamics for Instruction-Following Image Editing
2025年7月10日
GoT：Unleashing Reasoning Capability of Multimodal Large Language Model for Visual Generation and Editing
2025年7月10日
ImgEdit: A Unified Image Editing Dataset and Benchmark
2025年7月10日
OminiControl：Minimal and Universal Control for Diffusion Transformer
2025年7月10日
Envisioning Beyond the Pixels: Benchmarking Reasoning-Informed Visual Editing
2025年7月10日
Step1X-Edit：A Practical Framework for General Image Editing
2025年7月10日
UltraEdit：Instruction-based Fine-Grained Image Editing at Scale
2025年7月10日
EmoEdit：Evoking Emotions through Image Manipulation

文字识别

此标签下有1条笔记。

2026年4月30日
OCRBench v2: An Improved Benchmark for Evaluating Large Multimodal Models on Visual Text Localization and Reasoning

文本定位

此标签下有1条笔记。

2026年4月30日
OCRBench v2: An Improved Benchmark for Evaluating Large Multimodal Models on Visual Text Localization and Reasoning

文档解析

此标签下有2条笔记。

2026年4月30日
OmniDocBench: Benchmarking Diverse PDF Document Parsing with Comprehensive Annotations
2026年4月30日
olmOCR: Unlocking Trillions of Tokens in PDFs with Vision Language Models

无需卷积

此标签下有1条笔记。

2026年4月30日
MLP-Mixer: An all-MLP Architecture for Vision

无需注意力

此标签下有1条笔记。

2026年4月30日
MLP-Mixer: An all-MLP Architecture for Vision

机器翻译

此标签下有2条笔记。

2026年4月30日
Outrageously Large Neural Networks: The Sparsely-Gated Mixture-of-Experts Layer
2026年4月30日
Attention Is All You Need

条件计算

此标签下有2条笔记。

2026年4月30日
Outrageously Large Neural Networks: The Sparsely-Gated Mixture-of-Experts Layer
2026年4月30日
Outrageously Large Neural Networks: The Sparsely-Gated Mixture-of-Experts Layer

架构

此标签下有5条笔记。

2026年4月30日
DiT 扩散 Transformer
2026年4月30日
MoE 混合专家模型
2026年4月30日
多模态模型的最终形态是原生统一还是模块化组装
2026年4月30日
Outrageously Large Neural Networks: The Sparsely-Gated Mixture-of-Experts Layer
2026年4月30日
Switch Transformers: Scaling to Trillion Parameter Models with Simple and Efficient Sparsity

架构比较

此标签下有1条笔记。

2026年4月30日
扩散模型架构比较 UNet vs DiT

树搜索

此标签下有1条笔记。

2026年4月30日
Tree of Thoughts: Deliberate Problem Solving with Large Language Models

检索

此标签下有2条笔记。

2026年4月30日
Magic-MM-Embedding: Towards Visual-Token-Efficient Universal Multimodal Embedding with MLLMs
2026年4月30日
RzenEmbed: Towards Comprehensive Multimodal Retrieval

检索增强

此标签下有2条笔记。

2026年4月30日
Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks
2026年4月30日
RAG 检索增强生成

检索增强生成

此标签下有1条笔记。

2026年4月30日
Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks

概率论

此标签下有1条笔记。

2026年5月07日
概率论与随机过程教程

模型压缩

此标签下有1条笔记。

2026年4月30日
知识蒸馏

模型并行

此标签下有1条笔记。

2026年4月30日
Switch Transformers: Scaling to Trillion Parameter Models with Simple and Efficient Sparsity

注意力机制

此标签下有2条笔记。

2026年4月30日
Attention Is All You Need
2026年4月30日
MLA 多头潜在注意力

流匹配

此标签下有3条笔记。

2026年4月30日
FLUX.1 Kontext: Flow Matching Rectified Transformer for Unified Image Generation and Editing
2026年4月30日
Flow Matching for Generative Modeling
2026年4月30日
Seedream 3.0 Technical Report

涌现

此标签下有1条笔记。

2026年4月30日
Emerging Properties in Unified Multimodal Pretraining

深度学习

此标签下有2条笔记。

2026年4月30日
RoFormer: Enhanced Transformer with Rotary Position Embedding
2026年4月30日
Attention Is All You Need

深度学习框架

此标签下有2条笔记。

2026年4月30日
PyTorch: An Imperative Style, High-Performance Deep Learning Library
2026年4月30日
PyTorch: An Imperative Style, High-Performance Deep Learning Library

混合注意力

此标签下有1条笔记。

2026年4月30日
MiniMax-M1: Scaling Test-Time Compute Efficiently with Lightning Attention

演进

此标签下有1条笔记。

2026年4月30日
国产大模型演进

蒸馏

此标签下有5条笔记。

2026年4月30日
DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement Learning
2026年4月30日
Qwen3 Technical Report
2026年4月30日
Switch Transformers: Scaling to Trillion Parameter Models with Simple and Efficient Sparsity
2026年4月30日
Qwen3
2026年4月30日
Qwen3 Technical Report

特征交互

此标签下有3条笔记。

2026年4月30日
HyFormer: Revisiting the Roles of Sequence Modeling and Feature Interaction in CTR Prediction
2026年4月30日
InterFormer: Effective Heterogeneous Interaction Learning for Click-Through Rate Prediction
2026年4月30日
OneTrans: Unified Feature Interaction and Sequence Modeling with One Transformer in Industrial Recommender

生成式推荐

此标签下有1条笔记。

2026年5月11日
推荐算法阅读笔记

生成推荐

此标签下有5条笔记。

2026年4月30日
OneRec Technical Report
2026年4月30日
OneRec: Unifying Retrieve and Rank with Generative Recommender and Preference Alignment
2026年4月30日
OneRec-Think: In-Text Reasoning for Generative Recommendation
2026年4月30日
OneRec-V2 Technical Report
2026年4月30日
OpenOneRec: An Open Foundation Model and Benchmark to Accelerate Generative Recommendation

生成模型

此标签下有2条笔记。

2026年4月30日
Denoising Diffusion Probabilistic Models
2026年4月30日
Flow Matching for Generative Modeling

目标检测

此标签下有7条笔记。

2026年4月30日
DINO: DETR with Improved DeNoising Anchor Boxes for End-to-End Object Detection
2026年4月30日
ObjEmbed: Towards Universal Multimodal Object Embeddings
2026年4月30日
Swin Transformer: Hierarchical Vision Transformer using Shifted Windows
2026年4月30日
You Only Look Once: Unified, Real-Time Object Detection
2026年4月30日
DINO: DETR with Improved DeNoising Anchor Boxes for End-to-End Object Detection
2026年4月30日
You Only Look Once: Unified, Real-Time Object Detection
2026年4月30日
目标检测基础

矛盾

此标签下有1条笔记。

2026年4月30日
Contradictions

知识密集

此标签下有2条笔记。

2026年4月30日
RAG 检索增强生成
2026年4月30日
Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks

知识密集型

此标签下有1条笔记。

2026年4月30日
Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks

知识蒸馏

此标签下有2条笔记。

2026年4月30日
知识蒸馏
2026年4月30日
知识蒸馏 vs RL 哪种方式更能有效获得推理能力

硬件对齐

此标签下有2条笔记。

2026年4月30日
NSA 原生稀疏注意力
2026年4月30日
Native Sparse Attention: Hardware-Aligned and Natively Trainable Sparse Attention

视觉

此标签下有1条笔记。

2026年4月30日
Kimi K2.5: Visual Agentic Intelligence

视觉token压缩

此标签下有1条笔记。

2026年4月30日
Magic-MM-Embedding: Towards Visual-Token-Efficient Universal Multimodal Embedding with MLLMs

视觉Transformer

此标签下有2条笔记。

2026年4月30日
Swin Transformer: Hierarchical Vision Transformer using Shifted Windows
2026年4月30日
An Image is Worth 16x16 Words: Transformers for Image Recognition at Scale

视觉推理

此标签下有1条笔记。

2026年4月30日
Kimi K2.5: Visual Agentic Intelligence

视觉架构

此标签下有1条笔记。

2026年4月30日
MLP-Mixer: An all-MLP Architecture for Vision

视觉编码器

此标签下有1条笔记。

2026年4月30日
SigLIP 2: Multilingual Vision-Language Encoders with Improved Semantic Understanding, Localization, and Dense Features

视觉语言

此标签下有1条笔记。

2026年4月30日
CLIP 对比语言图像预训练

视觉预训练

此标签下有1条笔记。

2026年4月30日
Masked Autoencoders Are Scalable Vision Learners

视频生成

此标签下有1条笔记。

2026年4月30日
Show-o2: Improved Native Unified Multimodal Models

离散扩散

此标签下有3条笔记。

2026年4月30日
Lumina-DiMOO: An Omni Diffusion Large Language Model for Multi-Modal Generation and Understanding
2026年4月30日
Unified Multimodal Understanding and Generation Models: Advances, Challenges, and Opportunities
2026年4月30日
Lumina-DiMOO: An Omni Diffusion Large Language Model for Multi-Modal Generation and Understanding

稀疏模型

此标签下有2条笔记。

2026年4月30日
Outrageously Large Neural Networks: The Sparsely-Gated Mixture-of-Experts Layer
2026年4月30日
Switch Transformers: Scaling to Trillion Parameter Models with Simple and Efficient Sparsity

稀疏注意力

此标签下有4条笔记。

2026年4月30日
DeepSeek-V3.2: Pushing the Frontier of Open Large Language Models
2026年4月30日
Native Sparse Attention: Hardware-Aligned and Natively Trainable Sparse Attention
2026年4月30日
NSA 原生稀疏注意力
2026年4月30日
Native Sparse Attention: Hardware-Aligned and Natively Trainable Sparse Attention

稀疏门控

此标签下有1条笔记。

2026年4月30日
Outrageously Large Neural Networks: The Sparsely-Gated Mixture-of-Experts Layer

竞赛编程

此标签下有1条笔记。

2026年4月30日
Competitive Programming with Large Reasoning Models

端到端

此标签下有1条笔记。

2026年4月30日
DINO: DETR with Improved DeNoising Anchor Boxes for End-to-End Object Detection

端到端检测器

此标签下有1条笔记。

2026年4月30日
DINO: DETR with Improved DeNoising Anchor Boxes for End-to-End Object Detection

统一模型

此标签下有11条笔记。显示前10个标签。

2026年4月30日
FLUX.1 Kontext: Flow Matching Rectified Transformer for Unified Image Generation and Editing
2026年4月30日
Lumina-DiMOO: An Omni Diffusion Large Language Model for Multi-Modal Generation and Understanding
2026年4月30日
Show-o2: Improved Native Unified Multimodal Models
2026年4月30日
Tuna-2: Pixel Embeddings Beat Vision Encoders for Multimodal Understanding and Generation
2026年4月30日
UniWorld-V1: High-Resolution Semantic Encoders for Unified Visual Understanding and Generation
2026年4月30日
Unified Multimodal Understanding and Generation Models: Advances, Challenges, and Opportunities
2026年4月30日
多模态模型的最终形态是原生统一还是模块化组装
2026年4月30日
Emerging Properties in Unified Multimodal Pretraining
2026年4月30日
Lumina-DiMOO: An Omni Diffusion Large Language Model for Multi-Modal Generation and Understanding
2026年4月30日
Tuna-2: Pixel Embeddings Beat Vision Encoders for Multimodal Understanding and Generation

综述

此标签下有1条笔记。

2026年4月30日
Unified Multimodal Understanding and Generation Models: Advances, Challenges, and Opportunities

缩放定律

此标签下有1条笔记。

2026年4月30日
DeepSeek LLM: Scaling Open-Source Language Models with Longtermism

能力迁移

此标签下有1条笔记。

2026年4月30日
知识蒸馏

自动微分

此标签下有1条笔记。

2026年4月30日
PyTorch: An Imperative Style, High-Performance Deep Learning Library

自回归

此标签下有2条笔记。

2026年4月30日
Emu3.5: Native Multimodal Models are World Learners
2026年4月30日
Show-o2: Improved Native Unified Multimodal Models

自回归模型

此标签下有1条笔记。

2026年4月30日
Unified Multimodal Understanding and Generation Models: Advances, Challenges, and Opportunities

自注意力

此标签下有1条笔记。

2026年4月30日
An Image is Worth 16x16 Words: Transformers for Image Recognition at Scale

自监督学习

此标签下有3条笔记。

2026年4月30日
Masked Autoencoders Are Scalable Vision Learners
2026年4月30日
MAE 掩码自编码器
2026年4月30日
Masked Autoencoders Are Scalable Vision Learners

计算最优

此标签下有1条笔记。

2026年4月30日
Training Compute-Optimal Large Language Models

训练基础设施

此标签下有1条笔记。

2026年4月30日
Kimi k1.5: Scaling Reinforcement Learning with LLMs

训练方法

此标签下有1条笔记。

2026年4月30日
推理模型训练方法比较 DeepSeek-R1 vs Kimi k1.5 vs Qwen3

论文

此标签下有96条笔记。显示前10个标签。

2026年5月08日
Agentic Harness Engineering: Observability-Driven Automatic Evolution of Coding-Agent Harnesses
2026年4月30日
BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding
2026年4月30日
CLAP: Learning Audio Concepts From Natural Language Supervision
2026年4月30日
Chain-of-Thought Prompting Elicits Reasoning in Large Language Models
2026年4月30日
Training Compute-Optimal Large Language Models
2026年4月30日
Competitive Programming with Large Reasoning Models
2026年4月30日
Denoising Diffusion Probabilistic Models
2026年4月30日
DINO: DETR with Improved DeNoising Anchor Boxes for End-to-End Object Detection
2026年4月30日
DeepSeek LLM: Scaling Open-Source Language Models with Longtermism
2026年4月30日
DeepSeek-Coder-V2: Breaking the Barrier of Closed-Source Models in Code Intelligence

语义分割

此标签下有1条笔记。

2026年4月30日
Swin Transformer: Hierarchical Vision Transformer using Shifted Windows

语义编码器

此标签下有2条笔记。

2026年4月30日
UniWorld-V1: High-Resolution Semantic Encoders for Unified Visual Understanding and Generation
2026年4月30日
UniWorld-V1: High-Resolution Semantic Encoders for Unified Visual Understanding and Generation

语言模型

此标签下有2条笔记。

2026年4月30日
Outrageously Large Neural Networks: The Sparsely-Gated Mixture-of-Experts Layer
2026年4月30日
Switch Transformers: Scaling to Trillion Parameter Models with Simple and Efficient Sparsity

语言模型训练数据

此标签下有1条笔记。

2026年4月30日
olmOCR: Unlocking Trillions of Tokens in PDFs with Vision Language Models

负载均衡

此标签下有1条笔记。

2026年4月30日
DeepSeek-V3 Technical Report

跨域迁移

此标签下有1条笔记。

2026年4月30日
OpenOneRec: An Open Foundation Model and Benchmark to Accelerate Generative Recommendation

连续归一化流

此标签下有1条笔记。

2026年4月30日
Flow Matching for Generative Modeling

长上下文

此标签下有5条笔记。

2026年4月30日
Kimi k1.5: Scaling Reinforcement Learning with LLMs
2026年4月30日
Kimi-VL Technical Report
2026年4月30日
Native Sparse Attention: Hardware-Aligned and Natively Trainable Sparse Attention
2026年4月30日
NSA 原生稀疏注意力
2026年4月30日
Native Sparse Attention: Hardware-Aligned and Natively Trainable Sparse Attention

随机过程

此标签下有1条笔记。

2026年5月07日
概率论与随机过程教程

零样本

此标签下有1条笔记。

2026年4月30日
CLIP 对比语言图像预训练

音频

此标签下有1条笔记。

2026年4月30日
SAIL-Embedding: Omni-modal Embedding Foundation Model

音频理解

此标签下有1条笔记。

2026年4月30日
CLAP: Learning Audio Concepts From Natural Language Supervision

预训练

此标签下有5条笔记。

2026年4月30日
BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding
2026年4月30日
Training Compute-Optimal Large Language Models
2026年4月30日
DeepSeek LLM: Scaling Open-Source Language Models with Longtermism
2026年4月30日
RoFormer: Enhanced Transformer with Rotary Position Embedding
2026年4月30日
An Image is Worth 16x16 Words: Transformers for Image Recognition at Scale

高效DiT

此标签下有1条笔记。

2026年4月30日
Seedream 4.0: Toward Next-generation Multimodal Image Generation

高效推理

此标签下有3条笔记。

2026年4月30日
DeepSeek-V2: A Strong, Economical, and Efficient Mixture-of-Experts Language Model
2026年4月30日
Native Sparse Attention: Hardware-Aligned and Natively Trainable Sparse Attention
2026年4月30日
DeepSeek-V2: A Strong, Economical, and Efficient Mixture-of-Experts Language Model

高效训练

此标签下有3条笔记。

2026年4月30日
LLaMA: Open and Efficient Foundation Language Models
2026年4月30日
LoRA 低秩适配
2026年4月30日
LoRA: Low-Rank Adaptation of Large Language Models

Created with Quartz v4.5.2 © 2026

GitHub
Discord Community