
YouTube宣布在下周举办的CES展上展示高清视频流,其中Google新视频编码格式VP9功不可没。
新视频格式让YouTube和其他视频流网站受益匪浅,因为借助新视频流格式,视频网站在传输高清4K视频流时,网络速度无需减慢。有望达到的预期效果是用户在线观看视频时,不会出现大量缓冲问题。

Google正在努力普及VP9格式,包括索尼、松下和LG在内的合作伙伴将在其CES展台的4K电视机上展示高清视频流。Google还列出大量致力于推广VP9的硬件和软件合作伙伴,其中包括ARM、博通、三星、Nvidia、Mozilla、高通、Marvell和东芝。
YouTube平台合作关系主管Francisco Varela向科技博客网站GigaOm表示,Google并不反对支持其他下一代视频编码格式,其中包括VP9的竞争对手H.265。
对互联网而言,VP9重要性不言而喻,YouTube支持VP9无论对自身、还是对互联网都颇有好处。Google Chrome的Web Media团队一名资深业务产品经理Matt Frost在2013年Google I/O大会上曾经表示,VP9免版权费将为学校、创业公司等组织及希望创建视频项目的编程人员节约数百万美元。
但他同时指出,VP9对Google自身有利,因为节约带宽有利于提升Google利润。他说:“VP9视频编码格式极佳,有助于我们大幅增加互联网规模,有助于我们显著提高互联网速度。”
好文章,需要你的鼓励
本文介绍了由南方科技大学等机构于2026年4月发表的研究(arXiv:2604.08865),提出了名为SPPO的大模型推理训练新方法。该方法将推理任务重新建模为"序列级情境赌博机",用一个轻量级价值模型预测题目难度,以单次采样替代GRPO的多次采样,解决了标准PPO的"尾部效应"问题。实验显示,SPPO在数学基准测试上超越GRPO,训练速度提升约5.9倍,配合小尺寸价值模型还能显著降低显存占用。
这项由香港科技大学数学系完成的研究(arXiv:2604.10465,2026年ICLR博客论文赛道)提出了一种从朗之万动力学视角理解扩散模型的统一框架。研究指出,扩散模型的前向加噪和逆向去噪过程,本质上是朗之万动力学这一"分布恒等操作"被拆成了两半。在这个视角下,VP、VE-Karras和Flow Matching等不同参数化的模型可被精确互译,SDE与ODE版本可被统一解释,扩散模型相对VAE的理论优势得以阐明,Flow Matching与得分匹配的等价性也得到了严格论证。
中国人民大学高岭人工智能学院等机构联合开发了AiScientist系统,旨在让AI自主完成机器学习研究的完整工程流程,包括读论文、搭环境、写代码、跑实验和迭代调试,全程无需人工干预。系统核心设计是"薄控制、厚状态":由轻量指挥官协调专业代理团队,通过"文件即通道"机制将所有中间成果持久化存储,使每轮工作都能建立在前一轮积累的基础上。在PaperBench和MLE-Bench Lite两个基准上,系统表现显著优于现有最强对比系统,论文发布于2026年4月。
这项由字节跳动发布的研究(arXiv:2604.13030)提出了生成式精化网络(GRN),一套模仿人类画家"边画边改"直觉的视觉生成新框架。其核心包括两项创新:层级二进制量化(HBQ)通过多轮二分逼近实现近乎无损的离散图像编码,以及全局精化机制允许模型在每一步对整张图像的所有位置重新预测并随时纠错,从根本上解决了自回归模型的误差积累问题。配合基于熵值的自适应步数调度,GRN在ImageNet图像重建(rFID 0.56)和生成(gFID 1.81)上均创下新纪录,并在文本生成图像和视频任务上以20亿参数达到同等规模方法的领先水平。