SFT+RL双管齐下：ReasonGen-R1如何破解文生图「指令不遵」难题？
SFT+RL双管齐下：ReasonGen-R1如何破解文生图「指令不遵」难题？近年来，链式推理和强化学习已经被广泛应用于大语言模型，让大语言模型的推理能力得到了显著提升。
来自主题: AI技术研报
5745 点击 2025-06-17 10:15
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
近年来，链式推理和强化学习已经被广泛应用于大语言模型，让大语言模型的推理能力得到了显著提升。
即梦AI的图片3.0生图功能更新之后基本是国内图像模型的天花板了，尤其是在日常的设计任务上，基本上人人都能做海报。
图像生成、视频创作、照片精修需要找不同的模型完成也太太太太太麻烦了。 有没有这样一个“AI创作大师”，你只需要用一句话描述脑海中的灵感，它就能自动为你搭建流程、选择工具、反复修改，最终交付高质量的视觉作品呢？
前段时间，我们横向对比了即梦3.0、2.1、GPT4o的海报生成能力， 当时即梦3.0的文生图中文能力就已经超过了 GPT4o，我们通过提示语就可以控制字体的样式、位置、大小、排版等等。
FLUX.1 Kontext是一款融合即时文本图像编辑与文本到图像生成的新一代模型，支持文本与图像提示，角色一致性强，速度快达GPT-Image-1的8倍。
AI生图新突破！一个模型同时接受文本和图像输入。
3月时候GPT迎来了一波更新，在文生图、图生图领域带来了巨大更新，而紧接而至的却是一些创业公司的哀嚎：
字节最近真的猛猛开源啊……这一次，他们直接开源了GPT-4o级别的图像生成能力。不止于此，其最新融合的多模态模型BAGEL主打一个“大一统”， 将带图推理、图像编辑、3D生成等功能全都集中到了一个模型。
Recraft，利用AI生成和编辑高质量矢量插图和图标，服务于设计和市场团队。完成3000万美元B轮融资，投资方为Accel、Khosla Ventures、Madrona。本轮估值未知，累计融资4200万美元。
何恺明团队又一力作！这次他们带来的是「生成模型界的降维打击」——MeanFlow：无需预训练、无需蒸馏、不搞课程学习，仅一步函数评估（1-NFE），就能碾压以往的扩散与流模型！