比Gemini Diffusion更全能！首个多模态扩散大语言模型MMaDA发布，同时实现强推理与高可控性
论文提出MMaDA，首个系统性探索扩散架构的多模态基础模型，实现文本推理、多模态理解与图像生成的统一建模。该模型在多任务协同上表现出色，并通过混合长链思维微调和统一策略梯度优化提升性能。
SOTA性能
给语音模型戴上「眼镜」，错误率降低12.5%！人大CMU最新开源 AAAI 2025
BPO-AVASR通过双焦点偏好优化方法提升了视觉和音频结合的语音识别性能，解决了噪声、口语化表达及同音词混淆等问题，在多个基准数据集上取得了最优表现。
ICLR’25｜MambaQuant：首个Mamba系列模型量化方案，精度近乎无损还适用于标准LLM！
an.zhihu.com/p/23430297491
编辑丨极市平台
极市导读
首个针对Mamba系
AAAI 2025接收结果出炉！Mamba魔改再次爆发
今年Mamba作为一种新选择性状态空间模型，在CV领域引发关注。其在多项评估中表现出色，并且具有高感知学习能力和低部署效率的优势，能够显著降低计算成本。