AI圈报
论文研究普通

小红书 AIGC 团队提出 DeCoRL：用分解一致性强化学习优化多图合成

信息来源：公众号：小红书技术（dots.llm）·
原始标题：NeurIPS 2026｜小红书内容智能与生成组 AIGC 算法团队提出多图合成一致性优化新方法 DeCoRL

内容摘要

小红书智创 AIGC 团队提出多图合成一致性优化框架 DeCoRL，将整体一致性拆解为目标级判断，通过自动建立目标对应关系、逐个评估身份与外观，再以分解奖励引导强化学习后训练。
内容分类AI 论文与研究
内容层级普通情报
发布时间（北京时间）
本站收录时间（北京时间）
信息来源公众号：小红书技术（dots.llm）
站内情报编号intel-afc8770650b9702d88d3c806
阅读原始信息 ↗查看数据来源更多论文研究

相关推荐

综合分类、实体标签与信息来源匹配

论文研究精选
小红书联合浙大、复旦提出 CULTURE-MT：首个面向社媒翻译的「文化有效性」评测基准，入选 ICML 2026
小红书联合浙江大学、复旦大学提出 CULTURE-MT，这是首个面向中英社媒笔记翻译、兼顾文化符号传递与情感共鸣的评测基准，并首次提出「文化有效性」评估标准与自动评估模型 JUDGER（准确率 86.03%）。
信息来源：公众号：小红书技术（dots.llm）
论文研究精选
小红书 dots 团队发布 VibeLifeBench 与 VibeSearchBench：七个最强模型无一及格
小红书 dots 团队推出 VibeLifeBench 与 VibeSearchBench 两个生活场景评测基准，测试中七个当前最强模型无一在正确时间点解决护照有效期等关键问题，最高分仅 0.325（Opus 5）。
信息来源：公众号：小红书技术（dots.llm）
论文研究精选
小红书引擎架构团队 OSDI 2026 新成果：HELMSMAN 重塑大规模向量检索基础设施
小红书引擎架构团队在 OSDI 2026 发表论文，提出面向全闪存的高性能向量近似最近邻检索系统 HELMSMAN。该系统通过 ANNS 定制化存储栈、分层学习式搜索剪枝及 GPU 加速构建流水线，将向量检索服务迁移至 NVMe SSD 阵列。
信息来源：公众号：小红书技术（dots.llm）
论文研究精选
HYPIC：小红书联合北大、上交提出首个混合注意力大模型位置无关缓存系统
HYPIC 在混合注意力大模型上实现了位置无关缓存，将首 token 延迟平均降低 3.25 倍。在 4 个生产级模型上，同 SLO 下可持续 QPS 提升 1.66 倍，任务质量与完全重算仅相差 1.71 分。
信息来源：公众号：小红书技术（dots.llm）
论文研究精选
小红书联合北大、上交提出 HYPIC，让混合注意力大模型用上位置无关缓存，首 token 延迟降 3.25 倍
小红书联合北大、上交提出 HYPIC，这是首个在混合注意力大模型上实现位置无关缓存的服务系统。在 4 个生产级混合注意力模型、5 个工作负载上，HYPIC 将首 token 延迟（TTFT）平均降低 3.25 倍，同 SLO 下可持续 QPS 提升 1.66 倍，任务质量与完全重算仅相差 1.71 分。该系统通过缓存段累积转移算子实现线性层常数时间状态组合，并用缝合窗口修复全注意力层跨段对齐。
信息来源：公众号：小红书技术（dots.llm）
论文研究精选
小红书发布大模型新架构 PIPO
小红书提出 PIPO 架构，通过输入侧压缩器将两个 token 折叠为一个 latent，输出侧 MTP head 将隐藏状态展开为额外 token，实现输入长度减半、每步输出翻倍。基于 Qwen3.5-4B/9B backbone，在 AIME 2025 等基准上最高带来 +7.15 pass@4 提升。部署测评中，TTFT 加速约 1.23×，TPOT 加速约 1.86×。训练采用 SFT 和 On-Policy Distillation 两阶段，将 verifier …
信息来源：公众号：小红书技术（dots.llm） · Qwen
论文研究普通
小红书 GlyphAnchor 提出位置锚定字形先验，提升文生图与图像编辑的文本渲染
小红书智创 AIGC 团队提出 GlyphAnchor，用位置锚定字形先验为文生图和图像编辑模型补充显式字形与空间线索。在 FireRed-Image-Edit-1.1、Qwen-Image-Edit-2511 和 Z-Image 上，LongTextBench 中英文平均得分分别提升至 0.985、0.984 和 0.981。
信息来源：公众号：小红书技术（dots.llm） · Qwen
论文研究普通
小红书 AllSpark 团队提出 Navalia：让 35B 模型做好复杂办公
小红书 AllSpark 团队提出 Navalia，通过自动构建文档环境、合成证据可追溯且答案可验证的跨文档任务，并结合轨迹采集与长程后训练，形成从数据到训练的完整配方。
信息来源：公众号：小红书技术（dots.llm）
论文研究普通
小红书 AllSpark 提出 Navalia：让 35B 模型做好财报分析与复杂办公
小红书 AllSpark 团队提出 Navalia，基于 Qwen3.6-35B-A3B 构建财报分析任务环境并做长程后训练，在五项基准上较基座模型提升 13.07–23.06 个百分点。
信息来源：公众号：小红书技术（dots.llm） · Qwen
论文研究普通
小红书 AllSpark 提出增强上下文学习能力的数据管线，35B 模型追平万亿参数前沿模型
小红书 AllSpark 团队提出一套不依赖人工标注的合成数据训练流程，用 GLM-5.2 对 3515 篇公开文档做深度改写以切断参数记忆，最终生成 9625 条训练样本。
信息来源：公众号：小红书技术（dots.llm） · GLM