#文本生成
朋友用 ChatGPT Pro（GPT 6 Astra）做了个《桃花源记》的朗诵版，把央视李立宏老师的真人朗诵加上了时间戳，挺有意思的。
XTC模型通过排除高概率选择，显著提升了文本生成的多样性，对于需要创意文本生成的应用来说是个不错的选择。
OpenAI 给 ChatGPT 加了个新规矩：别仿写活着的作家，比如斯蒂芬·金，但已故的莎士比亚随便模仿。小心版权风险，这波操作很务实。
这篇论文揭示了LLM中一种不易察觉的修辞滥用，并给出了具体测量和缓解方法，适合关注模型文本风格和RLHF影响的读者。
这篇论文解决了一个实际问题：LLM生成文本的水印如果只能全量披露会泄露隐私。HeRo允许你只给特定验证者看部分信息，像权限分级一样，挺巧妙的。
DiffusionGemma 解决了 Transformer 逐词生成速度慢、无法回头修改的痛点，做文本生成或长内容创作的开发者可以直接在消费级显卡上跑，体验 1000+ tokens/s 的生成速度。
DiffusionGemma 把文本生成速度拉到 4 倍，还彻底开源，做本地部署或加速日常 workflow 的开发者可以直接拖权重玩。
做文本生成或需要快速格式化 Markdown 的开发者，可以试试这个块级生成模型，速度提升明显且能自我纠错，值得关注。
文本扩散模型的研究者终于有了一个强大的开放基线——DiffusionGemma 同时生成整段文本并支持实时纠错，做生成式 AI 研究的团队值得下载权重试试。
NVIDIA 的扩散语言模型将文本生成速度推向新高度，做实时对话或低延迟应用的开发者可以直接关注，它可能改变你对大模型推理速度的认知。
扩散模型终于能高效处理文本了，做NLP或生成式AI的团队可以关注这个新范式——数据需求降低10倍，性能反而更好，值得一试。
此次更新体现了 MiniMax 在 AI 多模态领域的持续投入，特别是 M2.7 和 Speech 2.8 的推出可能带来文本理解和语音合成性能的提升，值得关注其在开放平台上的实际表现。