场景文本编辑的任务是在图像上修改或添加文本，同时保持新生成的文本和与背景的视觉连贯性的保真度。基于潜在扩散模型（LDM）的最新作品显示出改进的文本编辑结果，但仍然面临挑战，并且通常会产生不准确或无法识别的字符，尤其是对于非拉丁蛋白（\ eg，中文），它们具有复杂的字形结构。为了解决这些问题，我们提出了Flux-Text，这是一个基于Flux-Fill的简单而高级的多语言场景文本编辑框架 ...

大型语言模型（LLMS）在输入提示（问题）之间表现出不同水平的信心：有些导致语义上相似的答案一致，而另一些则产生了不同或矛盾的输出。这种变化反映了LLM对输入提示的不确定性，这是模型如何理解给定问题的信号。但是，香草小组相对策略优化（GRPO）在策略更新过程中平均处理所有提示，忽略了有关模型知识边界的这些重要信息 ...

优化求解器和计算能力的进步导致人们对将全身模型预测控制（WB-MPC）应用于双皮亚机器人的兴趣日益增加。然而，两足机器人的高度自由度和固有模型复杂性在实现实时性能的快速和稳定控制周期方面构成了重大挑战。本文介绍了一种新型的Kino-Dynamic模型和双足动物中实时WB-MPC的温暖启动策略 ...

差异化（DP）图像合成旨在从敏感数据集中生成合成图像，从而减轻组织共享和利用合成图像的隐私泄漏问题。尽管以前的方法已经取得了显着发展，尤其是在具有DP随机梯度下降（DP-SGD）的敏感图像的训练扩散模型中，它们的性能仍然不令人满意。在这项工作中，受课程学习的启发，我们提出了一个两阶段的DP图像综合框架，其中扩散模型学会从易于到硬到硬到硬的DP合成图像 ...

奖励模型，对于指导大型语言模型优化必不可少的，通常是在固定偏好数据集上训练的，从而导致与单个隐式偏好分布的严格对齐。这防止了一项任务中清心的各种现实世界需求的适应，以详细说明另一个任务。收集特定任务的偏好数据和再培训奖励模型的标准实践是资源密集的，通常会产生有偏见的奖励，并限制了实际应用 ...

DeepSeek-R1的成功强调了增强学习（RL）在增强大语言模型（LLMS）的推理能力方面的重要作用。在这项工作中，我们介绍了SkyWork-OR1，这是长期链（COT）模型的有效且可扩展的RL实现。在DeepSeek-R1-Distill模型系列的基础上，我们的RL方法可实现显着的性能提高，从而提高了AIME24，AIME25和LiveCodeBench的平均精度，从57中提高了 ...

本文介绍了Reco，这是一种人类策划的Chinesereading Gronstension Dataset。 RECO中的问题是向商业搜索引擎发出的基于意见的查询。这些段落是由从检索到的文件中提取支持摘要的人群工人提供的 ...

文本到视频（T2V）检索旨在根据用户的文本查询从视频画廊中识别最相关的项目。传统方法仅依靠对齐视频和文本方式来计算相似性并检索相关项目。但是，最近的进步强调，合并从视频和文本方式中提取的辅助信息，以提高检索性能并弥合这些方式之间的语义差距 ...