6月9日·Direct3D-S2开源：8块GPU实现影视级3D生成突破

6月9日·周一  AI工具和资源推荐

Direct3D-S2开源：8块GPU实现影视级3D生成突破

DreamTech联合南京大学、复旦大学和牛津大学发布的Direct3D-S2 3D生成模型在HuggingFace榜单上取得显著成绩。该模型仅用8块GPU训练，生成效果超越数百块GPU训练的闭源模型，训练效率提升近20倍，token吞吐量从4K提升到256K，目标直指影视级高精细度3D模型生成。Direct3D-S2采用空间稀疏注意力机制（SSA），支持超大规模体素生成，同时保留几何一致性，还引入了稀疏SDF VAE和稀疏DiT架构，进一步提升效率。该模型不仅在多项关键指标上全面领先，还通过盲测评估获得了专业人士的高度认可。目前，Direct3D-S2已全面开源，采用MIT License协议，助力全球开发者高效应用。来源：微信公众号【新智元】

3B模型Time-R1突破时间推理，超越671B大模型

伊利诺伊大学香槟分校的研究人员发布了Time-R1模型，仅用3B参数就实现了对时间概念的全面理解、预测和创造性生成，超越了671B参数的DeepSeek模型。Time-R1通过三阶段强化学习提升时间推理能力，第一阶段建立时间认知基础，第二阶段训练未来预测能力，第三阶段进行零样本的创造性未来场景生成。其核心是动态奖励机制，根据任务难度和训练进程调整奖励，引导模型逐步提升性能。Time-R1在时间理解、未来事件预测和创造性生成任务中均取得了优异成绩，证明了小模型在时间推理领域的巨大潜力。该研究团队已全面开源Time-R1，包括数据集、训练代码和模型检查点，助力进一步研究。来源：微信公众号【新智元】

面壁智能发布MiniCPM 4.0，开启端侧长文本时代

面壁智能在智源大会上发布了最新一代端侧语言模型MiniCPM 4.0，标志着端侧长文本推理时代的到来。该模型通过系统级上下文稀疏架构创新，实现了5%的极高稀疏度，大幅提升了长文本推理速度和效率。MiniCPM 4.0分为8B和0.5B两个版本，其中8B版本在长文本推理速度上较同体量模型提升5倍，极限场景下可达220倍加速，同时在128K长文本场景下仅需1/4的缓存存储空间。此外，MiniCPM 4.0还设计了“高效双频换挡机制”，可根据任务特征自动切换注意力模式，进一步提升效能。该模型已在主流芯片平台上完成适配，并支持多种开源框架部署，展现了强大的应用潜力。来源：微信公众号【机器之心】

ICML 2025亮点：ABKD框架提出基于广义α-β散度的知识蒸馏新方法

在2025年ICML会议上，一项名为ABKD（基于广义α-β散度的知识蒸馏框架）的研究受到关注。该研究提出一种新的知识蒸馏方法，旨在通过优化概率质量分配，解决传统方法（如前向KL散度FKLD和反向KL散度RKLD）在知识蒸馏中的局限性。ABKD框架通过引入α-β散度，统一了多种散度形式，并通过调节参数α和β，灵活平衡“难度集中”与“置信集中”效应，从而实现更合理的概率分配。实验表明，ABKD在自然语言处理和计算机视觉任务中均优于现有方法，为知识蒸馏技术的发展提供了新的思路。来源：微信公众号【机器之心】

火山引擎发布豆包·播客模型，一句话生成逼真播客

火山引擎近日发布了豆包·播客模型，能够通过一句话生成高度逼真的播客内容。该模型生成的播客对话自然流畅，语气、停顿和口语化表达与真人无异，甚至在对话中加入了自然的应和声，如“嗯”“没错”。用户只需在豆包PC版或扣子空间输入简单提示（Prompt），即可在5秒内生成带有字幕的播客音频。豆包·播客模型不仅支持实时热点话题，还能处理超长文本，如340页的互联网女皇报告，并将其精炼为7分钟的播客内容。此外，该模型还具备情感表达能力，能够根据上下文动态调整语气和情绪。其背后技术基于端到端实时语音模型，通过多模态数据训练和精细优化，实现了拟人化的情感承接和高表现力语音生成。豆包·播客模型的发布，为播客创作和信息传播提供了全新的高效工具。来源：微信公众号【量子位】