多模态

研究显示人脸吸引力偏差可颠覆 T2I 排行榜与奖励模型

提醒评估与排行榜需控制人脸吸引力等混杂因素，避免奖励模型被无关特征偏置，影响对齐实践。

MOSS-Image 开源 5B DiT，强化长文本渲染与版式控制

开放权重模型补上密集文字与复杂排版短板，并配长文本评测基准，可直接评估替换闭源方案

Pos4CHD 仅用正常样本合成胎儿心脏病图像，EbA 零样本 ACC 93.25%

为稀缺正例医学影像提供无正样本合成方案，可缓解数据不平衡，对医疗 AI 数据闭环有参考价值。

Muse-Spark-Open-816B-A42B 现身：816B 总参、42B 激活的文生图+文本 MoE

若确为开放权重，将刷新开源多模态 MoE 规模上限，需评估自托管显存与 42B 激活的推理成本。

提出 VAP：CIFAR-100 速度损失降 6.78%、FD 降 23.6%

提供可定位模糊受限/数据受限区域的诊断工具，可指导 flow matching 时间采样，减少冗余训练并提升生成质量。

LayerEditor 将图像编辑分解为 RGBA 层

统一指令编辑与 RGBA 层生成，并提供 LayerEditor-100K 数据集与基准，对可控图像编辑和图层复用有参考价值。

Open-Generative-AI 自托管 600+ 图像视频模型

自托管聚合多模型，便于本地 AIGC 评估；无内容过滤有合规风险。