《SelfForcing：突破自回归视频扩散的训练-推理鸿沟》摘要 本文解析了Adobe Research与德克萨斯大学奥斯汀分校提出的SelfForcing技术，该技术解决了自回归视频生成中长期存在的曝光偏差问题。传统方法（TeacherForcing和DiffusionForcing）由于训练与推理时的数据分布不匹配，导致生成质量随时间下降。SelfForcing通过让模型在训练时模拟推理过程

MIT与Adobe联合研发的CausVid模型通过四大创新技术突破视频生成瓶颈：采用块级因果注意力实现局部双向与全局因果的平衡；首创"双向教师→因果学生"的非对称蒸馏框架，将50步扩散蒸馏为4步自回归；引入ODE轨迹初始化解决训练不稳定问题；结合KV缓存实现恒定速度流式生成。在单卡H100上达到1.3秒初始延迟和9.4FPS吞吐量，VBench-Long基准84.27分超越所有

摘要： DMD是一种革命性的一步生成技术，通过双分数模型学习真实图像分布规律，而非传统蒸馏的"死记硬背"。其核心突破在于：1）取消时间步的生成器直接输出图像；2）利用真假分数梯度引导生成方向；3）LPIPS正则防止模式崩溃。相比传统方法，DMD在ImageNet上FID仅2.62（接近原模型），实现了速度与质量的平衡。该技术通过分布匹配替代单样本拟合，使模型具备"举一

本文深入解析大模型API中的token计费机制与技术实现流程。token是大模型处理文本的最小语义计算单元，通过Tokenizer将文本切分成token并分配整数ID作为计费依据。文章详细拆解了从原始文本到模型输入的完整链路：文本经Tokenizer切分后，通过EmbeddingLookup将tokenID转换为语义向量，再经过Transformer处理（包含Q/K线性变换、RoPE位置编码和注意

DINOv3 是在vit上的自监督视觉基础模型，在DINOv2之上扩大数据集与模型规模、创新 Gram 锚定技术解决密集特征退化问题，并结合高分辨率适配与多尺寸蒸馏，构建了兼顾全局 / 密集任务、跨领域泛化且无需微调的模型家族，刷新了多类视觉任务的 SOTA 性能。

Skill 是为 Agent 场景封装的、具备单一完整功能的、可被 LLM 标准化调用的原子执行模块。它的核心价值，是弥补 LLM 的原生能力缺陷 ——LLM 无法直接发送消息、控制浏览器、操作设备、调用业务接口，这些能力都需要通过封装好的 Skill 来实现。单一职责原则：一个 Skill 仅完成一类明确的操作，比如 “发送飞书消息”“浏览器页面截图”“获取设备地理位置”，避免功能耦合导致的调用

Skill 是为 Agent 场景封装的、具备单一完整功能的、可被 LLM 标准化调用的原子执行模块。它的核心价值，是弥补 LLM 的原生能力缺陷 ——LLM 无法直接发送消息、控制浏览器、操作设备、调用业务接口，这些能力都需要通过封装好的 Skill 来实现。单一职责原则：一个 Skill 仅完成一类明确的操作，比如 “发送飞书消息”“浏览器页面截图”“获取设备地理位置”，避免功能耦合导致的调用

摘要： DeepSeek-R1通过纯强化学习（RL）驱动，突破传统思维链（CoT）依赖人工标注的瓶颈，实现内生性推理能力进化。其核心创新在于： 训练范式：跳过监督微调（SFT），仅基于规则化奖励（答案正确性+格式规范）驱动模型自主探索，形成包含反思、回溯、多路径择优的闭环推理链。 算法优化：采用GRPO（Group Relative Policy Optimization）替代PPO，支持最长65