阶跃星辰刚刚开源了其30B参数视频生成模型：Step-Video-T2V
阶跃星辰发布30B参数视频生成模型Step-Video-T2V，支持中英双语输入及可变长度视频生成，提供标准版和加速版。采用DiT架构与3D全注意力机制，使用DPO技术优化质量，配置推荐使用步骤推理步数及cfg_scale值。
NLP工程化
Awesome-Slow-Reason-System：深度探索慢思考推理系统的前沿进展与实践
Awesome-Slow-Reason-System介绍了一种慢思考推理系统的前沿进展与实践，涵盖了50多篇最新研究成果，涉及多种技术如MCTS、RL等，并提供复现资源。
让Stable Diffusion当老师，教多模态大模型（如Llama-3.2）如何看图说话
中国研究员与DeepMind合作发布《Lavender》研究，仅需少量数据和注意力对齐技术便大幅提升多模态问答模型性能。
微软发布一个基于纯视觉的 GPU 智能体：OmniParser 2.0 版本
微软发布OmniParser 2.0版本，能将屏幕截图转化为LLM可读结构化元素，提高多模态大模型的视觉识别准确度，并支持与多种语言模型集成。
OpenAI 总裁 Greg Brockman 分享了一种高效的 o1 提示词撰写方法
OpenAI 总裁 Greg Brockman 提出了一种目标明确、要求清晰的 o1 提示词撰写方法，旨在提升工作与沟通效率。文章以旧金山徒步路线为例，展示了如何通过具体目标来筛选和优化徒步路线信息。
DeepSeekRL-Extended：从零实现DeepSeek R1的强化学习项目
从零实现DeepSeek R1的强化学习项目，探索GRPO算法的应用，仅用单个H100 GPU400步训练提升模型性能，完全自研且提供多脚本结构。
PIKE-RAG：微软推出的专注于提取和应用专业领域知识，以及构建连贯推理逻辑的增强生成系统
微软推出的PIKE-RAG旨在提高大型语言模型在复杂工业应用中的性能，其亮点包括在HotpotQA上的高准确率、多领域知识支持及灵活的模块化设计。