何恺明开辟分形图像生成新范式！计算效率提高4000倍，首次实现高分辨率逐像素生成
何恺明团队提出分形生成模型Fractal Generative Models，通过递归调用原子生成模块实现逐像素高分辨率图像生成。该模型从数据中学习递归法则，展示在材料、蛋白质等非序列数据建模中的潜力，并已开源代码。
自回归模型
豆包开源视频生成模型 VideoWorld 了
字节跳动开源VideoWorld视频生成模型，无需语言模型即可学习时空动态规律，降低技术门槛，具有广泛应用前景。但存在抽象概念建模困难、算力需求高等挑战。
英伟达发布“世界大模型”，12G显存亲测可用
英伟达发布Cosmos模型，基于200万小时视频训练，包含扩散模型、自回归模型等四大功能模块。Cosmos在几何准确性上表现优异，适用于自动驾驶和机器人研究等场景。
港科大、地平线提出DrivingWorld：基于视频GPT构建自动驾驶世界模型
港科大与地平线联合提出DrivingWorld模型，采用基于自回归架构的方法实现精准的自动驾驶世界模型。通过空间-时间先解耦后融合机制和next-state预测策略，实现超长时序视频生成及可控性提升。
Ilya宣判：预训练即将终结！NeurIPS现场沸腾
Ilya Sutskever在NeurIPS 2024中指出预训练时代即将终结，并预测未来将是超级智能的时代，强调Agent系统和合成数据将成为突破瓶颈的关键。他认为未来的AI将发展成能够自主推理和决策的’Agent’，甚至可能具备自我意识。
重磅！北大联合字节VAR模型获NeurIPS 2024最佳论文：改写图像生成的未来范式
北大与字节跳动团队的论文《Visual AutoRegressive Modeling: Scalable Image Generation via Next-Scale Prediction》获得NeurIPS 2024最佳论文奖。该模型提出了多尺度预测的新范式，显著提升了图像生成的效率和质量，并在视觉生成领域验证了‘规模化定律’。