2
0📜 节目概要：
本期节目，我们深入探索由北京智源人工智能研究院（BAAI）发布的开创性多模态生成模型——OmniGen2。在当前大模型竞相追逐参数规模的浪潮中，OmniGen2如何另辟蹊径，以一个相对精巧的模型体量，在文生图、图像编辑、乃至极具挑战的上下文生成（主体驱动生成）等多个领域展现出卓越性能？本期节目将带你层层解析OmniGen2背后的核心创新：从其独特的“双轨制”解耦架构，到巧妙利用视频数据构建高质量训练集的“炼金术”，再到赋予模型自我审视与修正能力的“反思机制”。我们还将一同解读其为评估上下文生成能力而专门打造的全新基准OmniContext，并检视OmniGen2在各项评测中的亮眼成绩单，共同探讨其在通往更强大、更统一的多模态智能道路上的重要探索与启示。
📚 参考论文：
标题：OmniGen2: Exploration to Advanced Multimodal Generation
作者：Chenyuan Wu*, Pengfei Zheng*, Ruiran Yan*, et al. (Beijing Academy of Artificial Intelligence)
链接：2506.18871
📝 节目重点：
00:00 深入多模态前沿：OmniGen2是什么，它想解决什么？
06:30 告别共享，拥抱解耦：OmniGen2核心架构的“双轨制”设计哲学
15:15 拆解Omni-RoPE：如何用三维位置编码驾驭复杂的图像编辑与上下文生成？
24:00 “无米之炊”的破解之道：从视频中“炼金”，创造高质量的上下文与编辑数据
38:40 AI的自我审视：揭秘OmniGen2的“反思”机制与数据构建
45:10 不只是“能画”，更要“画得对”：全新OmniContext基准如何评测上下文生成能力？
55:20 性能大阅兵：OmniGen2在各大权威评测中的表现与横向对比
1:08:30 坦诚的局限与未来的方向：OmniGen2面临的挑战与展望
