字节开源 Lance，3B 模型包揽理解/生成/编辑；新加坡国立大学提出 ViMU 数据集：涵盖 588 个视频与无提示问答

11 小时前

Lance 是字节跳动于 2026 年发布的原生统一多模态模型，采用 3B 活动参数设计，可在单一框架内同时完成图像与视频的理解、生成和编辑。该模型通过统一多模态表示与多任务协同训练，实现文本、图像和视频任务之间的能力共享。其核心采用双流混合专家（MoE）架构与模态感知旋转位置编码（MaPE），在共享的交错多模态序列上实现了统一的上下文学习，同时巧妙解耦了理解与生成的能力路径。结合阶段性的多任务训练策略，Lance 不仅在图文和视频的生成质量上大幅超越现有的开源统一模型，还保持了卓越的多模态语义理解能力。

目前，HyperAI 超神经官网已上线了「Lance：统一多模态理解、生成与编辑模型」，快来试试吧~

在线使用：https://go.hyper.ai/Okkmw

欢迎登录官网查看更多内容：

https://hyper.ai

5 月 23 日- 5 月 29 日，hyper.ai 官网更新速览：

* 优质公共数据集：3 个

* 优质教程精选：3 个

* 社区文章解读：3 篇

* 热门百科词条：5 条

* 6 月截稿顶会：4 个

访问官网：hyper.ai

公共数据集精选

1. ViMU 视频隐喻理解数据集

ViMU 是由新加坡国立大学于 2026 年发布的一个视频隐喻理解基准数据集，旨在评估多模态大模型对视频隐喻的深层语义理解能力。

在线使用：https://go.hyper.ai/0DIpe

2. Rice Leaf Diseases 水稻叶片病害检测数据集

Rice Leaf Disease Detection 是一个专门面向精准农业目标检测任务构建的水稻叶片图像数据集，广泛应用于 YOLO 系列模型训练、农业病害检测、边缘端视觉部署及智能水稻种植管理等应用场景。该数据集包含 8,665 张水稻叶片图像，涵盖 9 个类别，包括健康水稻叶片以及 8 种常见病害：细菌性叶枯病、褐斑病、稻纵卷叶虫危害、稻瘟病、叶焦病、叶黑粉病、窄褐斑病和穗颈瘟。

在线使用：https://go.hyper.ai/IXOlY

3. MRI Brain Neurodegenerative Diseases 脑部神经退行性疾病数据集

MRI Brain Neurodegenerative Diseases 是一个面向脑部神经退行性疾病研究与医学影像分析构建的 MRI 数据集，广泛应用于疾病分类、医学影像识别及深度学习模型训练等研究方向。该数据集包含 2,846 张分辨率为 512 × 512 的脑部 MRI 图像，按 2 种成像权重与 4 个主要类别进行组织。

在线使用：https://go.hyper.ai/VpFoh

公共教程精选

1. Lance：统一多模态理解、生成与编辑模型

Lance 是 ByteDance 于 2026 年发布的 3B 规模原生统一多模态模型，面向图像理解、视频理解、文生图、文生视频、图像编辑和视频编辑等任务。 Lance 的特点是将理解、生成与编辑放在同一套模型框架中处理，使文本、图像和视频任务能够共享统一的多模态表示。它既可以根据文本生成图像或视频，也可以结合输入图像、输入视频与文本指令完成视觉编辑，还可以对图像和视频进行问答、描述与推理。

在线运行：https://go.hyper.ai/Okkmw

2. HY-World-2.0 世界模型

HY-World-2.0 是由腾讯团队于 2026 年推出的多模态世界模型框架。与仅生成像素视频的世界模型（如 Genie 3 、 Cosmos）不同，HY-World-2.0 直接生成真实 3D 资产（网格 / 3DGS），可编辑、可持久化保存，并能直接导入 Blender 、 Unity 、 Unreal Engine 等游戏引擎。

在线运行：https://go.hyper.ai/ZQpHM

3. AutoFigure：基于 LLM 的学术论文插图自动生成系统

AutoFigure 是西湖大学 ResearAI 团队开发的智能学术插图生成系统，发表于 ICLR 2026 。该系统利用大型语言模型（Large Language Model, LLM）通过迭代优化机制，从文本描述或研究论文中自动生成达到出版标准的高质量科学插图，支持 SVG 矢量图和 mxGraph XML（完全兼容 draw.io）两种输出格式。

在线运行：https://go.hyper.ai/ZrWS4

💡我们还建立了 Stable Diffusion 教程交流群，欢迎小伙伴们扫码备注【SD 教程】，入群探讨各类技术问题、分享应用效果~

社区文章解读

1. 零代码自主发现科学图像处理算法，美阿贡国家实验室提出 CVEvolve，具备写代码/结果自查/策略优化等全栈能力

美国阿贡国家实验室（ANL）的研究团队在系统性分析过往基于人工智能的自动化工作后，开发出一款名为 CVEvolve 的零代码自主智能体框架，用于挖掘科研数据处理所需的算法。该框架具备极强的通用能力，无需预设问题架构与固定流程模板，可闭环联动代码、数据、评价指标、检索记录及可视化结果等各类要素，支持计算机视觉、图像处理等可执行算法开发。

查看完整报道：https://go.hyper.ai/UBS5q

2. 30 分钟整合 550 篇文献，生物学多智能体 Robin 跑通自主科研闭环，挖掘 dAMD 候选疗法

来自美国旧金山 FutureHouse 、英国牛津大学以及美国福特汉姆大学的联合团队提出了 Robin 生物学多智能体系统。这是首个同时融合科学假设生成与实验数据分析能力、并实现连续闭环工作流的生物医学智能系统。

查看完整报道：https://go.hyper.ai/KnYpQ

3. 自主生成新型材料，科学家基于贝叶斯优化框架实现含镓材料反向设计，优化结果具有 100% 独特性和新颖性

由弗林德斯大学牵头，与阿联酋哈利法大学合作的研究团队提出了一种机器学习引导的贝叶斯优化（BO）框架，可在保持化学合理性的前提下，实现具备预设电子性质的镓基组分反向设计。优化后的分析结果表明，生成材料相对于训练数据具有 100% 的唯一性与新颖性，并且在 1.5–2.5 eV 带隙区间内，SMACT 有效性显著提升。

查看完整报道：https://go.hyper.ai/kXS7f