人工智能图像生成领域正面临一场关于评测标准的深刻反思。澳大利亚国立大学与Canva研究院联合发布的研究指出，长期作为行业“金标准”的ImageNet-FID分数，在实际应用场景中可能存在严重误导性。这项以预印本形式公开的研究（arXiv:2606.24888）通过构建统一训练框架，揭示了不同评测任务间成绩的显著背离现象。

过去几年，数据压缩或蒸馏任务引起了人们的广泛关注。通过将大规模数据集压缩成具有代表性的紧凑子集，数据压缩方法有助于实现模型的快速训练和数据的高效存储，同时保留原始数据集中的重要信息。数据压缩在研究和应用中的重要性不可低估，因为它在 ...