HF 論文速讀 2026-06-20
今天共同趨勢是從單純堆大模型，轉向統一架構、任務專家與可自動優化的高效率系統。
AI 系統正在把多模態、對齊、修補、Prompt 與深度估計，推向更統一且更省算力的實用化。
今天先記三件事
- HiDream-O1-Image 直接在 pixel-space 統一生成與編輯。
- TMPO 用 trajectory distribution matching 減少 reward hacking。
- Moebius 與 FAPO 代表小模型、Pipeline 自優化的落地路線。
五篇速讀
HiDream-O1-Image：原生統一圖像生成模型
統一生成
為什麼重要：用 Unified Transformer 把像素、文字、條件放進同一 token space。
帶走什麼：它試圖拿掉外部 VAE 與分離 text encoder，讓生成與編輯變成同一套 in-context 流程。
下一步：關注其在文字生成、編輯、個人化任務上的實測與開源細節。
TMPO：多樣且高效的 Diffusion Alignment
對齊方法
為什麼重要：針對 diffusion RL alignment 的 reward hacking 與 mode collapse 問題。
帶走什麼：從最大化單一 reward，改成匹配 trajectory-level reward distribution。
下一步：若你在調圖像模型偏好，優先比較 TMPO 與既有 RL 對齊法的多樣性。
Moebius：0.2B 高效影像修補模型
輕量修補
為什麼重要：主打以 0.2B 輕量架構挑戰 10B-level inpainting 效果。
帶走什麼：LλMI block 加 latent-space 多粒度蒸餾，是它壓縮又保真關鍵。
下一步：適合先看是否能部署到低成本影像修補產品或內部工具。
FAPO：自動優化多步驟 LLM Pipeline
Prompt自優
為什麼重要：不只改 prompt，還能診斷 retrieval、reasoning、formatting 的鏈式瓶頸。
帶走什麼：FAPO 讓 Claude Code 在受限範圍內反覆評估、歸因、修改與驗證 pipeline。
下一步：可拿來對照現有 GEPA 或手調 prompt 流程，評估是否值得自動化。
MetricAnything：大規模 Metric Depth 預訓練
深度預訓練
為什麼重要：聚焦用 noisy heterogeneous sources 擴展 metric depth pretraining。
帶走什麼：在多個 metric depth benchmark 有 PWC SOTA 訊號，摘要提到 ScanNet 測試 AbsRel 5.90%。
下一步：若做 3D reconstruction 或 monocular depth，應查其資料混合與泛化設定。