1. 1.58-bit FLUX

我们发布了1.58-bit FLUX——一种创新性的量化技术，它首次成功地将最先进文本转图像生成模型FLUX.1-dev的权重简化至1.58比特（即权重值限定为{-1, 0, +1}），同时保持着生成1024x1024图像的卓越性能。值得一提的是，此量化过程不需使用图像数据，而是利用FLUX.1-dev模型内部的自我监督来完成。我们还专门针对1.58比特运算设计了一种优化内核，从而达到了模型存储需求减少7.7倍、推理时内存占用降低5.1倍的效果，并且有效缩短了推理延迟。广泛的测试结果显示，在GenEval和T2I Compbench这两个基准上，1.58-bit FLUX不仅维持了图像生成的质量，还在很大程度上提高了计算效率。

论文: https://arxiv.org/pdf/2412.18653

2. HuatuoGPT-o1, Towards Medical Complex Reasoning with LLMs

OpenAI o1的创新揭示了通过强化推理来提高大语言模型（LLM）能力的巨大潜力。尽管如此，当前多数关于推理的研究主要集中在数学任务上，而医学等领域尚未得到充分探索。医学领域有其独特性，它不仅需要精确的推理能力来确保医疗建议的可靠性，还必须满足医疗行业的严格标准。但是，相较于数学，医学推理的验证难度更高。

针对这一挑战，我们设计了一套包含医学验证器的可验证医学问题系统，用以评估模型输出的准确性。这套系统的可验证属性促进了医学推理能力的发展，采用了两个阶段的方法：首先，使用验证器引导对复杂推理路径的搜索，以优化LLM的微调过程；其次，采用基于验证器反馈的强化学习（RL），以进一步提升模型处理复杂推理的能力。在此基础上，我们推出了HuatuoGPT-o1——一个具有卓越复杂推理能力的医学LLM。该模型仅依赖4万个可验证问题就实现了对通用型和专门医学模型的全面超越。实验结果显示，复杂的推理机制显著增强了医学问题的解决效果，并且通过强化学习获得了更大的改进空间。

论文: https://arxiv.org/pdf/2412.18925

3. Safeguard Fine-Tuned LLMs Through Pre- and Post-Tuning Model Merging

针对大语言模型（LLMs）进行微调以优化下游任务表现是常见的做法，但这样做往往会使原本已校准好的安全性受损。当前许多应对策略需要添加额外的安全数据，然而这在实践中常常不可行。在本文中，探讨了一个关键问题：如何在没有额外安全数据的前提下，既提高LLMs在下游任务上的性能又确保其安全性？本文提出了一种简易且高效的方法——通过融合预微调和微调后的安全对齐模型的权重，来维持LLMs内在的安全特性，并同时强化它们在特定任务上的效能。

本文的实验证实在一系列不同的下游任务、模型架构及融合技术上，这种策略能够有效防止安全性的削弱，同时提升任务执行效果，为安全对齐的LLMs提供了一种切实可行的改进方案。

论文: https://arxiv.org/pdf/2412.19512

4. Task Preference Optimization: Improving Multimodal Large Language Models with Vision Task Alignment

目前，多模态大模型（MLLMs）虽然能在一系列视觉应用中提供广泛的感知和推理能力，但它们在细粒度或精准理解图像内容方面仍有不足。现有的研究要么专注于开发适用于特定视觉任务的工具，要么将这些任务整合进自回归框架，但这些方法往往会影响模型的整体多模态性能。为了解决这一问题，并以一种可扩展的方式强化MLLMs对视觉任务的处理能力，我们提出了一种名为任务偏好优化（Task Preference Optimization, TPO）的新方法，该方法基于典型的细粒度视觉任务生成可微分的任务偏好。

TPO引入了可学习的任务标记，从而在多个任务专用头和MLLM之间建立起联系。借助训练期间丰富的视觉标签，TPO大幅提升了MLLM的多模态处理能力和特定任务的性能。通过TPO框架下的多任务协同训练，我们发现各任务间存在协同增益，使得每个任务的表现均超过了单独任务训练所能实现的水平。我们在VideoChat和LLaVA上的实验表明，采用TPO后，相较于基准模型，多模态性能总体提升14.6%。此外，MLLM-TPO展现了强大的零样本泛化能力，在不同任务上的表现与最先进的监督学习模型相媲美。

相关代码：https://github.com/OpenGVLab/TPO。
论文: https://arxiv.org/pdf/2412.19326

---

如何系统学习掌握AI大模型？

AI大模型作为人工智能领域的重要技术突破，正成为推动各行各业创新和转型的关键力量。抓住AI大模型的风口，掌握AI大模型的知识和技能将变得越来越重要。

学习AI大模型是一个系统的过程，需要从基础开始，逐步深入到更高级的技术。

这里给大家精心整理了一份全面的AI大模型学习资源，包括：AI大模型全套学习路线图（从入门到实战）、精品AI大模型学习书籍手册、视频教程、实战学习、面试题等，资料免费分享！

1. 成长路线图&学习规划

要学习一门新的技术，作为新手一定要先学习成长路线图，方向不对，努力白费。

这里，我们为新手和想要进一步提升的专业人士准备了一份详细的学习成长路线图和规划。可以说是最科学最系统的学习成长路线。

2. 大模型经典PDF书籍

书籍和学习文档资料是学习大模型过程中必不可少的，我们精选了一系列深入探讨大模型技术的书籍和学习文档，它们由领域内的顶尖专家撰写，内容全面、深入、详尽，为你学习大模型提供坚实的理论基础。（书籍含电子版PDF）

3. 大模型视频教程

对于很多自学或者没有基础的同学来说，书籍这些纯文字类的学习教材会觉得比较晦涩难以理解，因此，我们提供了丰富的大模型视频教程，以动态、形象的方式展示技术概念，帮助你更快、更轻松地掌握核心知识。

4. 2024行业报告

行业分析主要包括对不同行业的现状、趋势、问题、机会等进行系统地调研和评估，以了解哪些行业更适合引入大模型的技术和应用，以及在哪些方面可以发挥大模型的优势。

5. 大模型项目实战

学以致用 ，当你的理论知识积累到一定程度，就需要通过项目实战，在实际操作中检验和巩固你所学到的知识，同时为你找工作和职业发展打下坚实的基础。

6. 大模型面试题

面试不仅是技术的较量，更需要充分的准备。

在你已经掌握了大模型技术之后，就需要开始准备面试，我们将提供精心整理的大模型面试题库，涵盖当前面试中可能遇到的各种技术问题，让你在面试中游刃有余。

全套的AI大模型学习资源已经整理打包，有需要的小伙伴可以微信扫描下方CSDN官方认证二维码，免费领取【保证100%免费】