GPT-4o的爆火引发了广泛的关注，其背后的技术原理更是值得深入探讨。本文将揭开GPT-4o的底层秘密，重点分析自回归模型与扩散模型这两种生成范式。

GAN已死？不，它卷土重来了！布朗大学和康奈尔大学的研究者刚刚提出了R3GAN，充分利用现代架构设计，彻底摒弃临时技巧，一半参数就能碾压扩散模型。网友惊呼：游戏规则要改变了！

自回归模型和扩散模型的“专长”并不同，如果让后者去挑战前者所擅长的部分，会得到怎样的结果？不妨来看看本文的分享。

在训练Diffusion模型时，我们可以遵循怎样的阶段？这篇文章里，作者围绕训练Diffusion的过程、应用Diffusion模型阶段等内容做了梳理和讲解，不妨来看一下。

清华大学电子工程系城市科学与计算研究中心最近提出了一种新的时空少样本学习方法，旨在解决城市计算中广泛存在的数据稀缺性问题。该方法利用了利用扩散模型来生成神经网络参数，将时空少样本学习转换为扩散模型的预训练问题，可根据prompt（提示）生成定制的神经网络，从而适应不同数据分布和城市特征。

文章基于OpenAI官方公布的Sora技术文档，从模型能力、训练方式和技术原理三个角度出发，剖析Sora的出现对人工智能的发展，到底意味着什么？