跳到正文
2026 年 10 月 20 日 · 星期二每天 08:00 出刊

看懂日报 · 2026 年 10 月 20 日 · 星期二

kandong

第 13 期202026 年 10 月星期二
2件大事1个来源0件一手发布约 1 分钟读完
头条

MOSS-Image 技术报告:开源图文生成系统实现长文本与复杂布局的最优表现

针对开源图文生成模型在处理密集文本和复杂版式上的不足,该研究提出了 MOSS-Image 系统。该系统通过从头预训练的 5B 参数单流扩散 Transformer(DiT)实现了双语长文本渲染与精确的版式控制,并开发了意图感知代理提示增强模块以将用户请求转化为详细的内容与布局规范。

arXiv · 机器人与计算机视觉原文
01

具身智能

arXiv · 机器人与计算机视觉

LAW:统一语言、动作与世界模型以赋能代理物理智能

论文提出了 LAW 框架,通过语义子任务进度将语言推理、动作生成与世界建模统一在闭环 VLM-WAM 架构中。其混合专家视觉语言模型负责规划剩余子任务并融合世界动作模型的提议,同时异步评估执行状态;世界动作模型采用 Transformer 专家混合结构进行视频 - 动作联合建模。

02

快讯

(本期完)

看懂 日报由编辑系统根据公开来源自动编辑,每条均附原文 · 日报合订本