"棱镜假说" 这篇新论文表明，图像的意义主要存在于低频信号中，而像纹理这样的细节则存在于高频信号中。 通过利用这种分裂，作者构建了一个单一的潜在空间，支持理解（CLIP风格）和生成（VAE风格），因此不再需要在语义和保真度之间进行权衡。

"球面等变图形变换器的完整指南" 本文解释了如何构建能够像物理学一样理解三维几何的神经网络，因此分子和蛋白质的模型无论如何旋转结构都能给出相同且正确的答案。

随着 MiniMax、Qwen、Kimi 和 NVIDIA 最近发布的混合注意力技术，本文介绍了一种无误差线性注意力，可能会超越它们所有。 这种新技术具有稳定的线性时间注意力，优于任何线性注意力变体，甚至 DeltaNet！