专题：generative-models

PixVerse V6 在 AI 视频生成领域表现出色，核心亮点是其极快的生成速度和自然的提示语理解能力。通过简单的修改即可获得高质量视频，同时具备完善的团队协作功能和成本优势，成为内容创作者的重要工具。

本文提出了一种动态化与参数化的RAG框架，通过改进检索机制和参数调整方式，提升了生成模型的准确性和适应性。该方法在多个数据集上验证有效，适用于对话系统、推荐等场景，是RAG技术的重要进展。

本文从零构建RAG系统，总结了成功与失败经验，涵盖数据处理、模型选择、系统集成与优化，适用于实际项目开发与部署。

MIT提出的PhysiOpt框架首次实现生成式3D模型潜空间的可微分物理优化，解决了传统方法中生成模型与物理仿真之间的断层问题。该技术保持设计语义，提升计算效率，并具备良好的泛化性，适用于多种生成模型，为AI生成设计的可制造性提供了新方向。

Boltz通过开源推动药物发现技术革新，涵盖结构预测、蛋白质设计及配体结合能力分析。其模型结合生成与结构预测，提升效率与准确性，已在实际应用中验证价值，未来将拓展至抗体-抗原预测等新领域。

本文提出了一种新的LLM采样算法FTC，通过截断低质量token来提升生成多样性与稳定性。与top-p不同，FTC基于logits概率曲线设定阈值，避免次优token干扰输出。文章包含算法原理、示例和代码实现，对开发者和研究者具有参考价值。