在AI作画领域，大模型和高算力曾被认为是生成高质量内容的唯一途径。然而，香港科技大学与快手科技联合推出的EvoSearch技术，正以一种全新的方式打破这一规则。

EvoSearch的核心灵感来源于达尔文进化论。它通过“种群生成”、“适应度评估”、“优胜劣汰”和“变异操作”，让AI生成过程更像是一场智能进化实验。即使只有865M参数的Stable Diffusion 2.1，在EvoSearch加持下，其生成质量竟能媲美GPT-4o；而1.3B参数的Wan模型，也展现出与14B参数模型相当的能力。

相比传统方法，如Best-of-N采样或粒子采样，EvoSearch不仅效率更高，还能有效避免陷入局部最优解。更重要的是，它无需额外训练或修改模型结构，即可适配扩散模型和流模型。

实验结果表明，EvoSearch在图像和视频生成任务中表现出色。尤其是在复杂提示词场景下，它能生成更具多样性和准确性的内容。对于小模型而言，这无疑是一次“降维打击”。

尽管EvoSearch已经取得了显著成果，但研究团队认为还有优化空间，例如更智能的变异策略和更高的计算效率。这项技术让我们看到，推理阶段的智慧搜索策略同样可以挖掘出模型的深层潜力。

项目主页：https://tinnerhrhe.github.io/evosearch/

代码：https://github.com/tinnerhrhe/EvoSearch-codes

论文：https://arxiv.org/abs/2505.17618

[hhw123pingdao]

温馨提示：
  • 请注意，下载的资源可能包含广告宣传。本站不对此提供任何担保，请用户自行甄别。
  • 任何资源严禁网盘中解压缩，一经发现删除会员资格封禁IP，感谢配合。
  • 压缩格式：支持 Zip、7z、Rar 等常见格式。请注意，下载后部分资源可能需要更改扩展名才能成功解压。
声明：
  • 本站用户禁止分享任何违反国家法律规定的相关影像资料。
  • 内容来源于网络，如若本站内容侵犯了原著者的合法权益，可联系我们进行处理，联系微信：a-000000