AI 研究與效率每日追蹤｜2026-10-29
今日重點
今天最值得注意的是 NVIDIA 把視覺理解與圖像生成放進同一個離散擴散模型，並公開論文、權重與程式碼。它在特定視覺推理測試中展現較高吞吐，但速度提高時，正確率也會下降。名單內其他公司未查到值得重複報告的重大新進展；新架構雷達則看到多機器人共用空間狀態的做法。 arxiv.org
重要更新
1. NVIDIA｜Nemotron-Labs-Diffusion-Uni｜10 月 27 日，論文與開源
方法：用跨範式蒸餾，向自回歸視覺語言模型學理解、向連續生成模型學圖像生成；圖像 token 可逐步修正，而非一次從遮罩變成定稿。 arxiv.org
數據：作者在 MathVista、H100 GPU 上測得：擴散模式、信心門檻 0.95 時為每 GPU 每秒 463.84 token、正確率 75.2%；同模型的自回歸模式為 202.74 token、76.1%。門檻放寬到 0.60 可達 997.95 token，但正確率降至 73.4%。論文未在這組數據中完整列出 batch size、輸入長度與推論精度。 arxiv.org
實際意義：提供一條讓同一模型處理視覺理解與生成、並依品質需求調整解碼速度的路徑。 arxiv.org
限制與疑點：目前是作者自測；MathVista 的輸出吞吐不能直接推論到圖像生成速度或實際服務成本，速度與品質也不能拆開比較。 arxiv.org
一手來源：論文、官方程式碼。 arxiv.org
新架構雷達
World Agents｜World Dreamer v5-lite｜10 月 27 日
這是什麼：多機器人世界—動作模型，把不同相機的特徵對齊至共用空間狀態，再為各機器人分別預測動作；訓練時遮住部分視角，促使它利用隊友看見的資訊。 arxiv.org
符合的門檻：①不同於傳統 LLM 的世界—動作架構；②有公開技術論文。 arxiv.org
廠商宣稱：作者在 RoboFactory 三項任務、相同相機配置下測得平均成功率 74.0%，對照組中最高的 π₀.₅ 為 50.3%；四項實體機器人任務平均為 78.8% 對 65.0%。 arxiv.org
第三方驗證：尚未查到獨立重測；上述比較是論文作者的實驗，不能視為通用機器人能力已獲驗證。 arxiv.org
一手來源：論文。 arxiv.org
趨勢整理
- 效率須連同品質看：今天的擴散解碼結果把吞吐與正確率並列，比單報「快幾倍」更有判讀價值。 arxiv.org
- 多模態走向共用表示：NVIDIA 嘗試統一理解與生成；World Dreamer 則讓多台機器人共用空間狀態，但兩者處理的是不同問題。 arxiv.org
- 驗證仍是分水嶺：今天兩項量化成果都來自作者測試，尚不能當成跨硬體、跨任務的普遍提升。 arxiv.org