重新理解语言生成
Discrete Flow Matching Language Model (UCLA). 探索不依赖传统自回归范式的语言生成路径。
让照片被自然找回
AI-Native Photo Album. 基于 CLIP 和自然语言搜索的下一代相册体验。
让先进模型走向可用
并行视频采样与流匹配加速 (ZJU). 解决生成模型的工程化与成本瓶颈。
建立可靠评估方式
Continual Learning of Agent Benchmark (NUS). 定义如何测量智能体的持续进化能力。
有些失败不该被藏起来，它更像精选案例后的脚注。
我曾尝试做一个校园外卖拼单产品。最初以为难点会是需求匹配算法与高并发，后来才意识到，真正让它无法成立的，是信任建立、支付清算，以及供给侧冷启动这三个更底层的问题。
这件事之后，我开始更警惕“把可实现误判成可成立”。真实世界里，决定产品能不能活下来的，往往不是功能是否做出来，而是用户为什么会信、会用、会留下来。