● “Token”必须死？

📌 一句话摘要 本文深入探讨了当前大语言模型基于 token 预测范式的结构性天花板，并结合何恺明团队 ELF、字节跳动 Cola DLM 等最新研究，论证了向连续空间建模迁移的必然趋势，以及其对 AI 行业格局的潜在影响。 📝 详细摘要 文章以维特根斯坦的哲学观点为引，指出大语言模型基于离散

● “Token”必须死？

📌 一句话摘要 本文深入探讨了基于 Token 的自回归大语言模型的结构性天花板，并介绍了何恺明团队 ELF 和字节跳动 Cola DLM 等将语言生成核心计算迁移至连续空间的最新研究，预示着 AI 范式可能正在发生转变。 📝 详细摘要 文章从维特根斯坦的语言哲学出发，指出大语言模型基于离散 T

● “Token”必须死？

📌 一句话摘要 本文深入探讨了基于 token 的自回归语言模型的结构性天花板，并介绍了何恺明团队和字节跳动 Seed 实验室提出的连续空间语言建模新范式，认为这可能是通往 AGI 的更高路径。 📝 详细摘要 文章从维特根斯坦的语言哲学出发，指出大语言模型基于离散 token 的自回归架构存在结

● 何恺明和字节 Seed 跳入同一条河流

📌 一句话摘要 何恺明团队与字节 Seed 几乎同时发表论文，从不同路径提出将语言模型生成过程中的离散化步骤推迟到最后一刻，在连续潜空间完成思考，挑战了自回归语言模型的核心假设。 📝 详细摘要 本文深入解读了 2026 年 5 月几乎同时发表的两篇重磅论文：何恺明团队的 ELF 和字节 Seed

● 何恺明首个语言模型：105M 参数，不走 GPT 自回归老路

📌 一句话摘要 何恺明团队提出 ELF 连续扩散语言模型，通过在连续 embedding 空间完成全部去噪过程、仅在最后一步离散化，以 105M 参数和 45B 训练 token 在生成质量上超越主流离散扩散模型。 📝 详细摘要 本文报道了何恺明团队在语言模型领域的最新研究成果——ELF（Emb

● 何恺明团队论文全景扫描：一场关于「生成范式」的多角度突破 | CVPR 2026

📌 一句话摘要 本文系统梳理了何恺明团队在 CVPR 2026 上发表的五篇论文，涵盖图像生成、视觉推理和自监督学习，核心论点是扩散模型并非终点，流匹配等更高效的生成范式正在崛起。 📝 详细摘要 本文对何恺明团队近期在 CVPR 2026 上发表的五篇论文进行了全景式梳理和深度解读。文章指出，这

● 谷歌这把「香蕉」太狠了！何恺明等引爆视觉 Transformer 时刻

📌 一句话摘要 谷歌联合何恺明、谢赛宁等发布 Vision Banana，通过将视觉理解和生成统一为像素生成任务，实现了单一模型在多项视觉基准上的 SOTA 表现，标志着视觉 AI 的 Transformer 时刻。 📝 详细摘要 文章报道了谷歌 DeepMind 联合何恺明、谢赛宁等知名研究者

● 专访 MIT 博士生邓明扬：从 IMO 金牌、IOI 满分的竞赛少年到生成模型研究者

📌 一句话摘要 本文是对 MIT 博士生邓明扬的深度访谈，探讨了他从数学与信息学竞赛冠军到生成模型研究者的成长路径，并分享了他对 AI 研究范式、技能树学习、生成模型未来以及人类与 AI 差异的独到见解。 📝 详细摘要 本文是一篇对 MIT 博士生邓明扬的深度人物访谈。邓明扬师从何恺明，研究方向

● 世界大模型与 AI 的下一个飞跃

📌 一句话摘要 介绍顶尖科学家对世界大模型的探索，预示 AI 将在 5-7 年内迎来新跨越。 📝 详细摘要 推文提到何恺明、杨乐昆、李飞飞等顶尖科学家正在探索「世界大模型」。如果取得突破，目前的 LLM 可能成为过去式，AI 能力将在未来 5-7 年内实现质的飞跃，进入下一个时代。 📊 文章信