日期: 2025 年 6 月 8 日

港科大和字节跳动：开源自然语言P图框架ComfyMind

作者

ComfyMind 是一种协作型 AI 系统，旨在实现稳健且可扩展的通用生成。它基于 ComfyUI 平台构建，并引入语义工作流接口（SWI）和搜索树规划机制来提高复杂生成工作流的稳定性和灵活性。

挑战 next token prediction，Diffusion LLM 够格吗？

作者

本周解读了Diffusion LLM和AI推理成本相关话题。Gemini Diffusion因其扩散架构被社区热议，其生成效率高且并行高效机制让其有潜力成为自回归模型的新挑战者；同时，AI开发者们也关注到基于扩散模型的NLP任务潜力及其与传统建模方式的关系。

35%准确率蒸发！字节&华科WildDoc揭示多模态文档理解鲁棒性短板

作者

多模态大模型在文档理解领域的性能显著，但现有基准存在真实场景挑战。字节跳动联合华中科技大学发布首个真实世界文档理解基准数据集WildDoc，揭示了当前模型的不足，并提出改进策略。