DiDA 将传统的串行逐 token 生成过程，转变为一个多步并行的预测过程，在不牺牲性能的前提下，将每张图片的推理速度提升了近 20 倍，首次使自回归模型的生成效率媲美顶尖的闭源扩散模型。作为悟界·Emu 系列的最新成员，Emu3.5 延续了将图像、文本和视频等多模态数据统一建模的核心思想，并实现了从“下一Token 预测”（Next-Token Prediction）到“下一状态预测”（Nex

DiDA 将传统的串行逐 token 生成过程，转变为一个多步并行的预测过程，在不牺牲性能的前提下，将每张图片的推理速度提升了近 20 倍，首次使自回归模型的生成效率媲美顶尖的闭源扩散模型。作为悟界·Emu 系列的最新成员，Emu3.5 延续了将图像、文本和视频等多模态数据统一建模的核心思想，并实现了从“下一Token 预测”（Next-Token Prediction）到“下一状态预测”（Nex

为此，团队设计了一套粗到精的联合迭代优化策略，将尺度恢复融入端到端位姿估计流程，先快速初始化位姿（粗对齐），再通过迭代优化最终达到毫米级精度（精对齐）。当先验信息缺失（如无CAD模型、无多视角数据）时，系统不再被动等待理想输入，而是主动“生成-对齐”，利用生成式 AI 补全物体的完整3D结构，并通过几何与尺度的联合优化，将其精准锚定在真实空间中。实验过程：左列为锚点图像，中列为生成的 3D 模型，

国内国际标准双驱动，助力构建开放共融的AI系统生态

北京智源人工智能研究院 VectorSpace Lab 团队近日发布了全新的高保真奖励模型系列——EditScore，旨在为指令引导的图像编辑任务提供精确、可靠的奖励信号，从而为强化学习在 AIGC 领域的深入应用铺平道路，真正解锁其强大潜力。

北京智源人工智能研究院 VectorSpace Lab 团队近日发布了全新的高保真奖励模型系列——EditScore，旨在为指令引导的图像编辑任务提供精确、可靠的奖励信号，从而为强化学习在 AIGC 领域的深入应用铺平道路，真正解锁其强大潜力。

北京智源人工智能研究院 VectorSpace Lab 团队近日发布了全新的高保真奖励模型系列——EditScore，旨在为指令引导的图像编辑任务提供精确、可靠的奖励信号，从而为强化学习在 AIGC 领域的深入应用铺平道路，真正解锁其强大潜力。

在智源研究院，我们不仅努力构建解决当下问题的 AI 工具，更致力于探索生物智能与人工智能演化的深层原理。我们相信，复杂系统的涌现离不开功能表现与物理结构的相互作用，我们的科研布局也始终围绕“功能”（Functionality）与“结构”（Structure）两大核心维度展开。在这一理念的指引下，智源研究院生命模拟中心将“数字孪生心脏”作为一个长期投入的核心方向，围绕“如何用数字化的方式精准还原和模

9月26-27日，在北京举办的首届FlagOS开放计算开发者大会上，北京智源人工智能研究院（简称“智源研究院”）携手18个共创团队、超过60个全球生态合作伙伴，正式发布开源大模型智算基座“众智FlagOS 1.5”，已经支持了16家厂商超过20多款芯片，作为一个面向多种AI芯片的统一开源系统软件栈，众智FlagOS 1.5的发布标志着全球人工智能底层技术生态正迈向一个以“开放计算”为核心理念的协同

近年来，许多文生图模型在生成式 AI 的浪潮中脱颖而出。然而，这些出色的专有模型仅能基于文本生成图像。当用户产生更灵活、复杂、精细等的图像生成需求时，往往需要额外的插件和操作。例如，若想参考任一姿态生成图像，常规方法是：用姿态检测器从参考图像中估计姿态作为条件输入，并加载对应的 Controlnet 插件，最后提取条件输入的特征馈入扩散模型生成图像。此外，若想基于合照中的特定人物生成新图像，流程更