Diffusion Controller 如何统一并简化 AI 图像生成
Google Research 提出 Diffusion Controller 框架，将图像生成的去噪过程重构为连续控制问题。该框架通过轻量级附加网络调节生成轨迹，并在 Stable Diffusion v1.4 上评估 SFT、RWL 和 PPO 训练方式；完全解锁版本相对基线模型取得了 90% 的胜率。
#图像生成
#图像生成
今日 0 条Google ResearchAI 评分5050
AWS Machine Learning Blog精选AI 评分6262 教程：AWS 在 SageMaker AI 上用 vLLM-Omni 生成图像并将其动画化为视频
AWS 介绍如何在 Amazon SageMaker AI 上部署两个 vLLM-Omni 端点，将 FLUX.2-klein-4B 生成的图像传给 Wan2.1-VACE-1.3B，生成短视频。图像端点采用实时推理，视频端点采用异步推理，并通过 Amazon S3 传递 multipart 请求和获取 MP4 结果。文章还提供命令行与 Streamlit 示例、部署命令及清理脚本。
推荐理由：文章把图像实时推理与视频异步推理串成可复用流程，并给出部署脚本、请求格式和清理步骤，便于理解两种响应模式的取舍。
OpenAI NewsAI 评分5353 OpenAI 发布 ChatGPT Images 2.5
OpenAI 发布 ChatGPT Images 2.5，可将想法、草图和参考照片转化为更个性化、更精致且更贴合原意的图像。
Hugging Face Blog精选AI 评分7070 如何用 TRL 和 OpenEnv 训练 Qwen3.5-35B-A3B 编写水彩画代码
作者用 TRL 和 OpenEnv 复现水彩画代码训练方法，通过 GRPO 训练 Qwen3.5-35B-A3B，让模型编写调用 p5.brush 的 JavaScript，并向个人审美偏好靠拢。
推荐理由：将通用审美评分与人工筛选参考图的对比奖励分开实验，展示了减少劣质输出与贴近个人画风是两种不同的训练目标。
Hugging Face Blog精选AI 评分7676 Hugging Face 将 Nunchaku 4-bit 扩散推理接入 Diffusers
Hugging Face 已在 Diffusers 中原生支持 Nunchaku Lite，Nunchaku checkpoint 可通过 from_pretrained() 加载，无需本地 CUDA 编译。
推荐理由：文章给出原生加载、量化工具链和硬件支持范围，并用基准数据呈现 Nunchaku Lite 的显存与速度变化。
Google ResearchAI 评分5454 Google Research 论文解释扩散模型的创造力来自 score smoothing
Google Research 在 ICLR 2026 论文中指出，扩散模型的创造力来自神经网络训练对 score function 产生的 score smoothing，而非随机现象。研究表明，正则化会让模型在训练数据点之间生成新的合理样本，并在高维场景中帮助恢复数据流形。Google Research 同时发布了用于生成论文图表的数值实验代码。
Hugging Face Blog精选AI 评分6666 PRX 第四部分：数据策略
PRX 团队介绍了其图像生成模型的预训练数据流程：混合公共与内部数据集，使用 VLM 为图像生成长描述，并以 Lance 构建和探索数据、以 Mosaic Data Shards（MDS）供训练流式读取。团队在数亿级数据上采用 JPEG quality 92、分辨率与宽高比分桶、基于 caption 的过滤和感知哈希去重，并选择 Qwen3-VL-8B 作为 captioner。
推荐理由：文章把 PRX 的大规模图像训练数据流程拆成可复用环节，覆盖数据探索、VLM 重标注、格式转换、过滤去重及工程取舍。
Google DeepMind精选AI 评分8181 Google DeepMind 发布 Nano Banana 2 Lite 与 Gemini Omni Flash
Google DeepMind 发布 Nano Banana 2 Lite 图像模型，并面向开发者开放 Gemini Omni Flash 视频生成与对话式编辑模型。
推荐理由：文章同时给出图像与视频模型的定位、价格和限制，便于开发者比较生成速度、成本与可用范围。
Import AIAI 评分5353 Import AI 459：AI 监督为何困难、蛋白质折叠模型的缩放定律与 AI 系统灭绝风险定价
Import AI 459 聚焦 AI 经济增长的测量难题、自动化对齐的监督风险，以及如何为 AI 系统的灭绝风险定价。文章还介绍了包含 100M 图像的 GPIC 数据集，以及 Biohub 发布的 ESMFold2、ESMC 和 ESM Atlas；ESMFold2 在部分基准上超过 AlphaFold 3，并用于设计针对癌症相关靶点的蛋白质结合体。
Google Research精选AI 评分7777 Google Photos 在 Auto frame 中提供基于 3D 场景重构的自动改视角功能
Google Research 宣布，Google Photos 已在 Auto frame 中提供自动重构照片视角的功能。该功能先估计 3D 点图和相机参数，再用生成式 latent diffusion model 补全新视角下原本未拍到的区域，并自动调整人像构图、缓解广角自拍的透视畸变。符合条件的含人物照片可在 Auto frame 候选中获取重构后的第二个版本。
推荐理由：Google Photos 的 Auto frame 将 3D 场景重建与生成式修补结合，用于自动调整人像视角，呈现生成式编辑从裁剪到视角重构的变化。
Mistral AI精选AI 评分7777 Mistral AI 为 Le Chat 发布 Deep Research、语音模式等多项功能
Mistral AI 为 Le Chat 发布 Deep Research（Preview）、语音模式、Projects、多语言推理和高级图像编辑等功能。Deep Research agent 可规划问题、搜索资料并生成带引用的结构化报告，语音模式由 Voxtral 驱动，Think mode 由 Magistral 驱动。
推荐理由：Le Chat此次更新覆盖研究、语音、项目管理和图像编辑，展示了多种交互能力如何集中到同一助手中。