Show-o 架构的核心突破是什么?
它首次将自回归与离散扩散融合在单个 Transformer 中:处理文本理解与生成时保持自回归模式,生成图像或视频时切换到基于离散 Token 的掩码扩散模式,十几步迭代即可恢复完整视觉 Token,兼顾多模态文本建模与高效图像生成。

作者丨 张璐 编辑丨岑峰
在 ECCV 2026 上,新加坡国立大学 Show Lab 负责人寿政教授介绍了 Show-o 与 Show-2 系列多模态模型。该架构在单个 Transformer 中融合自回归预测与离散扩散生成,并通过循环一致性监督缓解具身智能的数据稀缺问题;Show-2 借助 3D Tokenizer 与时空双向注意力提升连续视频生成的连贯性,团队还自研 Q1 实时骨干网,推动云端大模型与端侧低延迟控制在机器人任务中形成闭环。
它首次将自回归与离散扩散融合在单个 Transformer 中:处理文本理解与生成时保持自回归模式,生成图像或视频时切换到基于离散 Token 的掩码扩散模式,十几步迭代即可恢复完整视觉 Token,兼顾多模态文本建模与高效图像生成。
它针对具身智能等领域的标注稀缺问题,先由理解模块为无文本描述的图像生成描述,再用该文本驱动生成模块重建图像,通过对比原图与重建图建立自监督闭环,使模型能从海量无标签视频中学习。
采用云端大模型与端侧微调模型结合的策略。云端前沿大模型规划能力强但单次决策需约 8 至 20 秒,基于开源底座微调的本地模型可实现近乎实时的低延迟控制,在双臂协作等复杂任务中成功率与响应速度更高。
How NVIDIA NVLink 6 Delivers Multi-Layer Resiliency for AI Factories
旗舰SoC进入融合计算时代,天玑9600 Pro首创AI原生架构!
清华稳准智能联合发布LimiX-2,结构化数据基础模型登顶国际评测榜单首个AIGC长片大赛!RunningHub单项大奖100万,科幻IP免费改编
超越代币化:让RWA在链上发挥实用价值
当AI能解千禧难题,再次证明答案不再是门槛
展翼之后,三折叠再次进化:HUAWEI Mate XT 2 非凡大师深度体验评测
耐克和lululemon双双失速,运动品牌进入碎片化时代
Uniswap v4上的恶意Hooks
「沃什时代」首次加息要来了?华尔街算好了三种剧本
黄仁勋正演讲遇特朗普突然来电:通话全程直播
金色Web3.0日报 | 黄仁勋批驳「AI末日论」B站AI无限竞技场今日上线!全球百大AI模型同场竞技,GPT-6高居榜首
百度做了一堆AI产品,却没有一个能代表百度?圆桌:CVC的全面崛起 | 36氪 2026产业未来大会
510万一张!携程上架太空旅行船票:已有681人购买,还得自己买保险;娃哈哈因拖欠员工公积金被查封办公楼;华为放权!问界将由赛力斯主导
清晰法案有概率通过?市场可能并未定价
拼多多链接裂变玩法和Jeff Dean押注同一方向,27岁清华助理教授创业,两个月融资数亿企业案例分享:玉盘量智-离子阱量子计算芯片化集成工程实践 | 36氪 2026产业未来大会
视频号评论区小蓝词使用指南
AI 产品经理怎么入行?岗位方向、核心能力与转型路径一次讲清高通技术公司携手中兴努比亚和豆包手机助手,共同推动智能手机迈入个人AI新时代
微信桌面端变“三折叠”,可能是在给小微腾位置廉价太阳能改变世界能源格局
从 270 分钟到 18 分钟:B 端产品经理如何主导一个 AI 达人撮合系统
早报|iOS27正式推送/比亚迪高管:燃油车在中国没有未来/iPhone 18 Pro渠道降价900元,苹果称不干预
强化学习大本营新作:如何破解「学新忘旧」困局
大促GMV猛涨500%:激光雕刻设备靠"创意落地"出海东南亚