Infer News

DICEPTION 是一個新型的通用擴散模型，是特別為影像的認知而設計。它只需要少量資料就能夠執行多種不同的影像偵察任務，例如距離的深度評估、畫面物件分類和評估人類身體的姿態。相對其他先進的擴散模型， 例如 SAM-vit-h Segment Anything Model，DICEPTION 只需用 0.06% 的數據就能夠展現出非常準確的成果。

SynCD 提供了一個生成多影像合成的流程，它可以無需要通過微調，就可以令同一物件在不同情境下產生多個不同的視角。透過結合共享注意力機制，SynCD 更加可以保留物體特徵，同時亦會根據 Prompt 的提示產生圖像。

RIFLEx 主要延長影片的長度而無需重新訓練模型。研究發現，影片中不同頻率組成的部分會影響影片連貫性。在高頻會導致畫面重複，而低頻就會導致影片變成慢動作。RIFLEx 的方法是通過降低影片內在頻率，避免延長時候的重複問題，實現高品質的影片長度伸延。甚至能夠同時進行時間和空間的擴展。

• 2025.3.1 : The code for CogVideoX-5B and fine-tuned CogVideoX-RIFLEx are released.
• 2025.2.26 RIFLEx is supported in HunyuanVideoGP, where a 10.5 s video at 1280×720 can be generated on an RTX 4090.
• 2025.2.26 RIFLEx is supported in ComfyUI-HunyuanVideoWrapper by KiJai.
• 2025.2.25 : The paper, project page, code and fine-tuned HunyuanVideo-RIFLEx are released.

DeepEP 是一個針對（MOE）和專家並行性（EP）的混合通信庫。它提供了高通量和低延遲的全 gpu 內核，它們稱之為 MOE 調度和組合。同時支持低精度的操作，包括 FP8。DeepSeek 公佈本星期將會是開放源碼週（OpenSourceWeek），並將會相繼推出五個開源軟件庫。他們昨日已經開放第一個代碼庫 FlashMLA。DeepSeek 今日繼續開放創新的底層架構 DeepEP，是首個用於 MoE 模型訓練和推理的 EP 通信庫 。

最佳優先搜尋 (BFS Best-First Tree Search) 是一種樹狀搜尋演算法，它透過優先從機率最高的節點來運作，屬於簡單和效率演算法，但普遍認為對於證明定理並不是最理想的方法。 BFS-Prover 挑戰了傳統觀點，
提出一種可擴展的專家疊代框架，主要包含了三個創新點：一是策略性數據過濾，二是利用編譯回饋進行直接偏好優化 (DPO) Direct Preference Optimization，三是長度正規化。

Google PaliGemma 2 mix 是 Gemma 系列中的一個升級版視覺語言模型，能夠處理多種任務。PaliGemma 2 mix 能夠直接用於大部份常見的場景，提供了不同大小的模型，分別為（3B、10B 和 28B 參數），解析度亦有兩種模式，分別是（224 和 448 像數）。模型擅長處理短文和長文的生成、光學字符識別、影像問答、物件偵測和影像分割等任務，並且可以搭配 Hugging Face Transformers、Keras、PyTorch、JAX 和Gemma.cpp 等工具使用。