新智元报道 编辑：LRST 【新智元导读】扩散概率生成模型（Diffusion Models）已成为 AIGC 时代的重要基础，但其推理速度慢、训练与推理之间的差异大，以及优化困难，始终是制约其广泛应用的关键问题。近日，被 NeurIPS 2025 接收的一篇重磅论文 EVODiff 给出了全新解法

UniME-V2 团队投稿 量子位 | 公众号 QbitAI 统一多模态嵌入模型是众多任务的技术基石。 当前主流方法通常采用批内负例挖掘策略，通过计算查询-候选对的相似度进行训练。 但这类方法存在明显局限：难以捕捉候选样本间细微的语义差异，负例样本多样性不足，且模型在区分错误负例与困难负例时的判别能