跳到正文
热点事件持续更新

G-STAR将自回归图像生成提速至2.5秒

1 篇报道1 个报道来源6 小时前更新

先了解这件事

AI 综述

北京大学与美团 LongCat 等机构发布 G-STAR 论文，提出空间—分组协同缩放框架，在保持图像重建、理解和生成质量的同时压缩离散 token 序列。论文称，该框架在 1024×1024 分辨率下较既有离散自回归模型提速 20 倍，使用单张 NVIDIA H200 约 2.5 秒生成一张图。 五个文生图基准测试显示，G-STAR 的表现与主流模型相当；论文同时报告最高 32 倍、有效 64 倍的序列压缩结果。

AI 根据报道生成 · 5 小时前更新

最新进展11月13日 12:17
北大与美团 LongCat 发布 G-STAR：自回归图像生成提速 20 倍至 2.5 秒

报道时间线

沿着报道，了解事件的不同侧面。

11月13日
  1. AGI Hunt
    北大与美团 LongCat 发布 G-STAR：自回归图像生成提速 20 倍至 2.5 秒

    北京大学与美团 LongCat 等机构发布论文 G-STAR，以空间—分组协同缩caling实现 32×、乃至有效 64×压缩，同时保持重建、理解与生成质量。该框架采用半自回归解码器，在 1024×1024 分辨率下较以往离散自回归模型提速 20 倍，单张 NVIDIA H200 可在 2.5 秒生成一张图，并在五个文生图基准上具备与主流模型相当的竞争力。

本事件热度走势

可比范围当前
9
可比范围峰值
1011月13日 13:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。