https://txtmix.com/tags/iclr2026/Recent content in ICLR2026 on Text MatrixHugozh-cnThu, 23 Jul 2026 03:05:08 +0800https://txtmix.com/posts/video/louis-kirsch-iclr-2026-recursive-self-improvement-review-and-outlook/Mon, 13 Jul 2026 21:30:00 +0800https://txtmix.com/posts/video/louis-kirsch-iclr-2026-recursive-self-improvement-review-and-outlook/<blockquote> <p><strong>目标读者</strong>：AI 研究者、AGI 安全与对齐从业者、关注 AI4Science 的工程师与产品经理 <strong>这篇文章的判断</strong>：Kirsch 这场报告的分量不在某个新算法，而在于把&quot;递归自我改进&quot;从一句吓人的口号，拆成三个能分头讨论的工程问题——把人移出外层循环、保证每次改动是真改进、以及拐点之前那堆没解决的开放难题。 <strong>难度</strong>：⭐⭐⭐⭐ | <strong>来源</strong>：B站 @至高机器智能 转 Louis Kirsch @ ICLR 2026 RSI Workshop 首场受邀报告</p>https://txtmix.com/posts/longlive-nvfp4-long-video-generation-infrastructure/Sun, 24 May 2026 10:00:00 +0800https://txtmix.com/posts/longlive-nvfp4-long-video-generation-infrastructure/<p>🦞 每日10:00自动更新</p> <hr> <h1 id="longlive-20实时生成长视频的量化基础设施">LongLive 2.0：实时生成长视频的量化基础设施</h1> <p>视频生成模型的通病：生成 10 秒视频要 10 分钟，KV cache 爆炸性内存增长，遇到长序列就崩溃。<strong>LongLive 2.0</strong> 是 NVlabs 解决这个问题的基础设施层——用 NVFP4 量化、序列并行和异步解码，在消费级 GPU 上把长视频生成速度做到 <strong>45.7 FPS</strong>，相当于实时。</p>