Prism：用动态稀疏注意力加速原生2K音视频联合生成训练
Prism提出面向原生2K音视频联合生成模型训练的动态稀疏注意力方法。系统依据局部视觉方差和音视频交叉注意力划分时空区块，以保持语义连贯与跨模态交互。实验显示相较全注意力训练加速2.5倍且生成质量更高；价格、国内可用性及更多参数未知。
要点
- Prism按时空宏区动态调整区块形状与查询稀疏度，兼顾视觉变化和发声区域的跨模态耦合。
- 论文称相较全注意力实现2.5倍训练加速，并在生成质量上超过全注意力。
- 资料未给出开源状态、硬件参数、价格或国内可用性，实际效果尚未实测。
为什么值得看
全注意力在2K分辨率下计算呈二次增长，且冗余token会稀释有效学习信号并干扰预训练先验；现有稀疏方法多面向免训练加速，或未针对音视频交叉区域集中的特点。
谁会受影响
训练原生高分辨率音视频联合生成模型的研究者，以及关注训练效率与跨模态一致性的生成模型团队。
今天就能怎么试
目前仅见论文描述，代码、接入方式、价格和国内可用性均未知，无法据此直接试用；本条未实测。
原始来源
1Prism: Dynamic Sparse Attention for Native 2K Joint Video-Audio Generation Model Training · Hugging Face Daily Papers · 2026年10月4日✓ 已打开核对本条由 AI 根据上面的原始来源整理，经编辑审核后发布。数字和结论以原文为准，发现错误欢迎反馈。
相关动态
开放世界模型结合游戏引擎，单卡生成实时可玩画面
Matrix-Game 4.0 让轻量引擎负责规则和状态，视频模型将低多边形画面转成细致视觉，编码智能体则修改场景与玩法。论文报告 RTX 5090 上实现 480p、60 帧交互，按键到显示延迟为 112 毫秒，并宣布开放代码与资产。实时帧率需与响应延迟分开看。
业务智能体基准检查执行过程，完成任务也可能判失败
BizAgentBench 将 789 份知识文档、601 项业务工具和 50 个长流程任务放进可执行环境，既核验最终目标，也检查中间步骤约束。论文显示只看任务完成会掩盖无效操作；HF 早期标题为 BizBench，arXiv 修订版已改名。同时还应记录任务过程中的工具调用成本。
中英密集文字生图基准发布，专测海报长文与布局
UltraText Bench 提供 432 条人工检查的提示，覆盖 24 类真实场景，中英文各半，每张图要求四至十二处文字。评估分别看文字准确、清晰度、空间安排和场景质量，揭示快速模型可能更清晰却更容易写错字的取舍。适合中文海报选型。
AI协助发现PHP高危漏洞，网站维护者面临集中修补
爱范儿梳理 PHP2Shell 漏洞披露与紧急修补过程，介绍 OpenAI 安全研究在构造可复现证据中的作用。事件涉及底层软件广泛使用带来的连锁影响；具体风险取决于运行版本与部署条件，不能把使用 PHP 都等同于已经遭入侵。