混元開源新方案 MixGRPO：訓練效率大幅提升，性能反而更強

AIbase基地

發布於AI新聞資訊 · 1 分鐘閱讀 · Aug 4, 2025

近日，騰訊的混元基礎模型團隊發佈了一項突破性的圖像生成新框架 MixGRPO。這一方案不僅將訓練時間縮短了近50%，而且在性能上表現優異，甚至推出了一個名爲 MixGRPO-Flash 的變體，進一步將訓練時間降低了71%。這一切，得益於他們將隨機微分方程（SDE）和常微分方程(ODE)相結合的創新採樣策略。

在當前的圖像生成技術中，效率與質量常常是一對矛盾的存在。MixGRPO 通過引入混合採樣的方法，優化了馬爾可夫決策過程（MDP），使得訓練效率得到了顯著提升。具體而言，該框架通過限制智能體的隨機探索範圍，減少了優化過程中的計算開銷，同時簡化了模型的訓練流程。

與之前的 DanceGRPO 模型相比，MixGRPO 在多個維度上都表現出顯著的改善。研究團隊在實驗證明了，只需對特定的去噪步驟進行優化，就能夠保持甚至提升性能。研究還指出，雖然 MixGRPO 在減少訓練時間的同時降低了計算開銷，但也需要高階求解器的引入，以加速舊策略模型的採樣。

此外，MixGRPO 採用了滑動窗口的策略，讓模型能夠在去噪的過程中逐漸聚焦於更關鍵的時間步，從而實現了更高效的優化。這一創新使得模型在圖像生成的多樣性和質量上都有了不小的進步。

MixGRPO 不僅爲圖像生成技術的未來開闢了新的方向，也爲後續研究提供了寶貴的經驗和借鑑。開源代碼已在文章末尾提供，期待更多開發者加入到這一激動人心的技術探索中來。

項目地址:https://tulvgengenr.github.io/MixGRPO-Project-Page/

北京和睦家醫院與阿里達摩院合作，AI 驅動多病種篩查

北京和睦家醫院與阿里巴巴達摩院達成戰略合作，共同推進AI醫療創新。重點合作內容包括：1）利用達摩院"一掃多查"AI技術，結合和睦家國際化診療體系，開展多病種AI篩查；2）重點推進"平掃CT+AI"在消化腫瘤（胰腺癌、胃癌等）和慢性病（骨質疏鬆、脂肪肝等）篩查中的應用，該技術已獲國際認可；3）通過AI技術實現疾病早篩，推動健康管理關口前移。合作將整合雙方技術和服務優勢，探索AI在醫療全流程中的應用，創新疾病預防模式。

Figma開發者模式重磅更新：彩色批註與MCP協議雙重升級，設計轉代碼效率暴增

Figma開發者模式迎來重大升級，核心改進包括：1）彩色交互式批註系統，通過顏色分類標註設計意圖，支持動態關聯和智能顯示；2）MCP協議升級，支持傳輸設計系統規則和本地資源，賦能AI編碼工具精準生成規範代碼；3）新增Ready for Dev視圖等協作功能，優化設計交接流程。此次更新顯著提升設計與開發協作效率，通過結構化數據傳輸減少人工調整，但存在一定技術門檻。Figma計劃未來推出遠程MCP支持，持續優化AI代碼生成質量，推動行業協作標準升級。

騰訊混元開源併發布 0.5B、1.8B、4B、7B模型

騰訊混元團隊宣佈推出四款開源的小尺寸模型，參數分別爲0.5B、1.8B、4B和7B。這些模型專爲消費級顯卡設計，適用於筆記本電腦、手機、智能座艙、智能家居等低功耗場景，並支持垂直領域的低成本微調。這一舉措進一步豐富了混元開源模型體系，爲開發者和企業提供了更多尺寸的模型選擇。這四款模型的推出是騰訊混元大模型持續開源的一部分，旨在爲開發者和企業提供更多選擇，以滿足不同場景下的需求。目前，這些模型已在Github和HuggingFace等開源社區上線，並得到了Arm、高通、Intel、聯發科技等多個消費級終端芯片平臺的支持。

谷歌開源結構化信息提取工具langextract，可提供精確來源定位

谷歌發佈開源Python庫LangExtract，利用Gemini等大模型從非結構化文本中提取結構化信息。核心功能包括精準溯源、可靠結構化輸出、長文檔優化、交互式可視化和多模型支持。適用於醫療、文學研究和商業情報等領域，如從病歷提取關鍵信息、分析文學作品人物關係等。該工具無需微調即可適配不同領域，顯著降低技術門檻。項目地址：github.com/google/langextract

OpenAI重磅開源！GPT-OSS模型泄露，116億參數MoE架構震撼曝光，AI新紀元來襲？

OpenAI或將推出開源模型系列"GPT-OSS"，參數規模20億至120億，採用MoE架構和高效注意力機制。核心技術亮點包括：1）116億稀疏參數的MoE架構，128個專家模塊提升推理效率；2）支持131k Tokens長上下文處理；3）64頭GQA注意力機制優化計算效率。此舉被視爲OpenAI戰略轉變，可能對抗Meta等競爭對手。但高硬件需求（如1.5TB內存）可能限制普及。若屬實，將深刻影響AI生態，爲開發者提供更多創新機會。