四张 96GB GPU 训出的图像并行生成模型,Geneval 达 0.74
_akhaliq · x · 2026-11-20
auselis 转评新论文 Jeveration / System One:不需要迭代去噪或自回归解码,直接一次并行生成 128 个离散图像 token(双向注意力),类似 Janus-Pro 但采用块级解码而非逐 token。
训练成本惊人:基于 Qwen 3.5 4B + LoRA,仅用 4 张 96GB GPU、总计约 400 GPU 小时,统一模型即达到 0.74 Geneval 分数。作者也指出局限:论文未报告标准 VLM 理解类成绩,模型在理解任务上的能力保留存疑。
所属事件:Jeveration:冻结VLM单次前向生成512px图像,78毫秒(5 条相关)→
「多模态」频道最新
- 开源 AI 短剧工作台 OpenMontage:从剧本到成片一条流水线 — Direct_Grab7063 · 2026-11-20
- CapCut 推 ChatGPT 视频插件:聊天里生成并剪辑可编辑时间线视频 — alifcoder · 2026-11-20
- 给 Claude 接上视频编辑器:21 个镜头可单改不重跑 — MrxAnomynous · 2026-11-20
- Demi Guo 预告实时视频模型:像导演一样实时指挥 AI 拍片 — ying11231 · 2026-11-20
- 晒出全自动 GTA6 内容流水线:Claude 写剪辑方案,Codex 执行切割 — eptwts · 2026-11-20
- 纯代码驱动 Blender 渲染松鼠一生短片,成本仅 34.76 美元 — dreamwieber · 2026-11-20