何恺科幻影视

ICML 2025 何恺明团队提出高度压缩的Tokenizer可直接用于图像生成

传统的图像生成流程包含两个主要组成部分：一个将图像压缩为潜在表示的标记器（tokenizer），以及一个学习生成新标记序列的生成模型。这篇由麻省理工学院和Meta FAIR的Beyer等人撰写的论文挑战了这一范式，通过证明高度压缩的一维标记器无需单独训练的生成

日前，《自治区教育厅关于进一步加强中小学体育工作的通知》正式印发，明确从今年秋季学期起，义务教育阶段学校每天开设1节体育课。这一政策将在我市中小学同步实施，引发广泛关注。那么，每天开设一节体育课后，老师将如何安排课程？学生及家长对这一政策又有什么样的看法？记者

注：Thinking Machines Lab 由前 OpenAI CTO Mira Murati 于 2025 年 2 月创立，团队成员主要由多位前 OpenAI 员工构成，目前人数在几十人左右。该公司致力于前沿的多模态 AI 模型与技术研发。

联合国工业发展组织（UNIDO）驻华投资促进办公室的分析称，“全球前100名人工智能专家中，有50人是华人，他们隶属于中国的研究机构或公司”。同一项调查显示，美国有20名AI专家进入前100名，其中一半来自中国或具有华裔血统。

近日，何恺明在个人主页上更新称，已加入谷歌DeepMind，兼职“担任杰出科学家”。同时，他仍将保留麻省理工学院（MIT）电气工程与计算机科学系（EECS）终身副教授的身份。

2025年6月26日，人工智能领域迎来一个标志性事件：深度学习革命的核心缔造者之一，何恺明，正式宣布以“杰出科学家”的身份，兼职加盟Google DeepMind。与此同时，他将保留麻省理工学院（MIT）电子工程与计算机科学系（EECS）的终身副教授职位。

何凯恺是计算机视觉领域的超级明星，别人的荣誉都是在某某大厂工作，拿过什么大奖，而何恺明的荣誉是best，best，best ...... 例如2016 CVPR 最佳论文“Deep Residual Learning for Image Recognition

就在刚刚，计算机视觉领域代表人物何恺明最新官宣，已加入谷歌DeepMind，担任杰出科学家（Distinguished Scientist）。

论文标题是：《Mean Flows for One-step Generative Modeling》。从论文的实验曲线来看，只跑1 步，图像质量居然能甩开跑 250 步的老牌扩散模型（2021 年前后的经典扩散模型，如 ADM）。

文章提出了一种名为MeanFlow的单步生成建模框架，通过引入平均速度（average velocity）的概念来改进现有的流匹配方法，并在 ImageNet 256×256 数据集上取得了显著优于以往单步扩散 / 流模型的结果，FID 分数达到 3.43，且

何恺明团队又一力作！这次他们带来的是「生成模型界的降维打击」——MeanFlow：无需预训练、无需蒸馏、不搞课程学习，仅一步函数评估（1-NFE），就能碾压以往的扩散与流模型！

再过不到1个月，一年一度的“高考”就要来了。前些年，每到高考成绩放榜时，社会上便会对所谓的高考状元最终“泯然众人矣”，进行讨论和反思。在此，本文总结了过去那些获得了高考“省状元”，目前仍活跃在科学界，并且算是杰出科学家的一些代表人物。