UniEvo-VL：面向多模态模型自我改进的在线自蒸馏训练方案
UniEvo-VL 提出一种让多模态模型自我进化的在线自蒸馏训练方案，由同一模型分别以学生和教师身份、在不同上下文下充当师生，无需依赖独立的大型教师模型。基于开源 Qwen-image-2512，其 GenEval 分数从 0.747 提升至 0.808，GenEval2 Soft-TIFA 从 32.97 提升至 35.53。
#图像生成
#图像生成
今日 3 条HuggingFace Daily Papers（社区热门论文）AI 评分4141 HuggingFace Daily Papers（社区热门论文）AI 评分4646 DC-SAE：加速扩散模型收敛的深度压缩语义自编码器
研究者提出 DC-SAE 解耦紧凑语义自编码器，通过语义编码器实现高压缩比、像素级编码器保留细节，兼顾高保真重建与快速扩散训练收敛。在 ImageNet 512×512 上实现 32 倍空间压缩，PSNR 29.79、gFID 3.37，较此前 SOTA 高压缩 tokenizer DC-AE 分别提升 13.5% 和 54.9%。
HuggingFace Daily Papers（社区热门论文）AI 评分4040 IDSpect：用 IDS 分解与细粒度奖励提升中文文本渲染精度
针对 OCR 奖励把汉字当作原子字符、忽略部件与空间结构的问题，研究者提出 IDSpect：用表意文字描述序列（IDS）将目标文本确定性分解为 IDS token，并训练专家 IDS 识别器对齐裁剪级视觉预测，配合整字语义奖励提供部件与空间关系的细粒度反馈。
Sakana AI：Blog（网页）AI 评分4646 Sakana AI 的 Percept-Lens：AI 生成图像检测的深度解析
Sakana AI 提出 Percept-Lens，通过冻结通用视觉模型并拟合简单高斯决策规则来检测 AI 生成图像，在 ECCV2026 论文中该方法在广泛评测套件上超越了所测试的最强已发布 AI 生成图像检测器。研究还表明，检测器在生成器、提示词、风格或图像域变化时性能会急剧下降，而进步也可来自更好利用通用视觉模型中已有的真实与生成结构。
CMU：Machine Learning BlogAI 评分2828 CMU 在 NeurIPS 2025 展示 156 篇论文
卡内基梅隆大学（CMU）研究者在 12 月 2 日至 7 日于圣迭戈举行的第 39 届 NeurIPS 2025 上展示 156 篇论文。口头报告包括提出 Encoder–Attender–Decoder 框架研究触觉处理的 ConvRNN、缓解标签平滑表征坍缩的 MaxSup，以及单步生成模型 MeanFlow（ImageNet 256×256 单次函数评估 FID 3.43）。
HuggingFace Daily Papers（社区热门论文）AI 评分4545 OmniTaskonomy：视觉生成何时能提升视觉理解？
研究团队提出 OmniTaskonomy 统一分类体系，覆盖 19 项图生图（I2I）生成任务与 25 项图生文（I2T）理解能力，系统探究视觉生成监督何时以及如何提升视觉理解。
HuggingFace Daily Papers（社区热门论文）AI 评分3838 Thinking Reward Model（TRM）：先思考再打分的视觉生成奖励模型
研究者提出 Thinking Reward Model（TRM），先为每个样本定制评估标准再打分，输出细粒度的逐点奖励，在图像生成与编辑奖励建模基准上取得开源奖励模型中的 SOTA，并与闭源方案保持竞争力。团队同时提出 PD-GRPO，用成对监督缓解传统成对偏好优化导致的分数极化，在保留逐点打分的同时提升奖励区分度。将 TRM 用作强化学习奖励可持续改进多种视觉生成模型。
arXiv：cs.LG（机器学习，全量分类）AI 评分3434 生成式去噪模型 Jacobian 谱特性研究：用谱分析区分扩散与流匹配模型
研究提出用去噪器 Jacobian 的谱特性来刻画扩散、流匹配等生成式去噪模型之间的差异，发现生成性能更好的模型对应更大的 Jacobian 特征值。作者据此设计了一种正则化方案，通过在扰动输入上训练去噪器来抑制或放大 Jacobian 响应，并在 ImageNet 上验证：同时强化数据相关主特征方向、抑制噪声无关方向能改善生成效果。
Black Forest Labs：Blog（网页）AI 评分1515 Black Forest Labs 研究：自监督流匹配与 FLUX.2 潜空间分析
Black Forest Labs 发布多项生成式 AI 与视觉智能研究，包括面向图像、视频和音频生成的模态无关自监督流匹配框架，以及对比 SD-VAE、RAE、FLUX.1 和 FLUX.2 等扩散模型自编码器表示的研究。此外还介绍了 FLUX.1 Kontext，一个在潜空间中进行上下文图像生成与编辑的统一模型，实现了快速且业界领先的效果。
HuggingFace Daily Papers（社区热门论文）AI 评分3838 MaLiang-Harness：面向图像与视频生成的可编程路径
MaLiang-Harness 是一个将 MLLM 驱动的视觉生成组织为持续构建、检查与修订过程的统一框架，用于弥合程序可执行但违反构图、外观或运动要求的 Program-to-Visual（P2V）差距。
Google ResearchAI 评分4343 Google Research 的 Diffusion Controller 如何统一并简化 AI 图像生成控制
Google Research 提出 Diffusion Controller 框架，把扩散模型的去噪过程重构为连续控制问题，用一个轻量"转向阻尼"网络在冻结基座模型的前提下动态调整生成轨迹。
arXiv：cs.LG（机器学习，全量分类）AI 评分3131 学习式压缩能否替代 BAQ？GOTCHA 数据集上的 SAR 相位历史数据压缩可行性研究
一项基于 AFRL GOTCHA 数据集的可行性研究显示，28,656 参数的卷积自编码器在 SAR 相位历史压缩上全面落后于 BAQ：16 b/cs 时 NMSE 为 -2.87 dB，而 8-bit BAQ 配合 ±3σ 裁剪为 -35.5 dB、调优裁剪范围为 -41.0 dB，也逊于 16×16 块 KLT 的 -5.39 dB，检测 F1 上限仅 33%。
MIT News（RSS）AI 评分6464 MIT CSAIL 研究：生成图像的归因随训练数据规模增大而衰减
MIT CSAIL 团队在 Nature Communications 发表论文，提出“归因衰减”现象：训练数据越大，单个样本对生成结果的影响越小，删除任一图像甚至某艺术家的全部图像后输出不变。
Google ResearchAI 评分4242 Google Research 揭示扩散模型的创造力从何而来
Google Research 在 ICLR 2026 论文《On the Interpolation Effect of Score Smoothing in Diffusion Models》中解释了扩散模型的创造力来源：神经网络训练中的正则化会让学到的 score function 被"平滑"，使去噪过程在训练数据点之间插值，从而生成新样本。
蚂蚁 inclusionAI：GitHub 新仓库AI 评分3636 蚂蚁 inclusionAI 开源 ARGenSeg：用自回归图像生成模型做图像分割
蚂蚁 inclusionAI 在 GitHub 发布 ARGenSeg，将自回归图像生成模型用于图像分割，论文已被 NeurIPS 2025 收录。该工作把分割任务建模为图像生成过程，具体参数规模与 benchmark 分数原文未披露。
上海人工智能实验室 InternLM：原创项目AI 评分3030 InternLM 发布 EndoCoT：在扩散模型中扩展内生 CoT 推理
上海人工智能实验室 InternLM 团队发布 EndoCoT 官方实现，用于在扩散模型中扩展内生链式推理（CoT），面向复杂结构化生成任务。该工作已被 ECCV 2026 收录，代码随论文一并开源。
FireRedTeam：原创语音与多模态项目AI 评分3333 FireRedTeam 发布 InstanceAssemble：基于实例组装注意力的布局感知图像生成
FireRedTeam 开源了论文《InstanceAssemble: Layout-Aware Image Generation via Instance Assembling Attention》的官方实现，该论文已被 NeurIPS 2025 收录。方法通过实例组装注意力机制实现布局感知的图像生成。
上海人工智能实验室 InternLM：原创项目AI 评分3030 InternLM 发布 CapRL：用强化学习激发密集图像描述能力
上海人工智能实验室 InternLM 团队开源 CapRL 官方实现，通过强化学习提升模型的密集图像描述能力，论文已被 ICLR 2026 接收。
FireRedTeam：原创语音与多模态项目AI 评分2424 FireRedTeam 提出 CQ-DINO：用类别查询缓解梯度稀释的广词表目标检测方法
FireRedTeam 提出 CQ-DINO，通过类别查询缓解广词表目标检测中的梯度稀释问题。该方法针对词表规模庞大时检测性能下降的痛点，用类别查询机制改善梯度传播。
FireRedTeam：原创语音与多模态项目AI 评分2727 FireRedTeam 提出 Target-Driven-Distillation：目标时间步选择与解耦引导的一致性蒸馏
FireRedTeam 开源 Target-Driven-Distillation 项目，用目标时间步选择与解耦引导改进一致性蒸馏。该方法面向扩散模型蒸馏场景，通过挑选目标时间步并解耦引导信号来提升生成一致性。项目已公开，具体效果与评测数据未在原文中给出。