"棱鏡假說" 這篇新論文顯示，圖像的意義主要存在於低頻信號中，而像紋理這樣的細節則存在於高頻中。 通過利用這種分裂，作者建立了一個單一的潛在空間，支持理解（CLIP風格）和生成（VAE風格），因此不再需要在語義和真實性之間進行權衡。

"球面等變圖形變換器的完整指南" 這篇論文解釋了如何製作能夠像物理學一樣理解三維幾何的神經網絡，因此分子和蛋白質的模型無論如何旋轉結構都能給出相同且正確的答案。

隨著 MiniMax、Qwen、Kimi 和 NVIDIA 最近推出的混合注意力技術，本文介紹了無錯誤線性注意力，可能會超越它們所有人 這種新技術具有穩定的線性時間注意力，優於任何線性注意力變體，還有 DeltaNet!