thu-ml

Une bibliothèque élégante d'apprentissage par renforcement profond pour PyTorch.

[ICLR2025, ICML2025, NeurIPS2025 Spotlight] Quantized Attention permet une accélération de 2 à 5x par rapport à FlashAttention, sans perte de métriques de bout en bout pour les modèles de langage, d'image et de vidéo.

TurboDiffusion : accélération de 100 à 200 fois pour les modèles de diffusion vidéo.

RDT-1B : un modèle de fondation par diffusion pour la manipulation bimanuelle.

Code officiel de Motus : un modèle de monde à action latente unifié.

[ICML2025] SpargeAttention : Une attention creuse sans entraînement qui accélère l'inférence de tout modèle.

[ICML 2026] Base de code officielle pour "Causal Forcing: Autoregressive Diffusion Distillation Done Right for High-Quality Real-Time Interactive Video Generation" & Causal Forcing++

Implémentation officielle pour « RIFLEx: A Free Lunch for Length Extrapolation in Video Diffusion Transformers » (ICML 2025), UltraViCo (ICLR 2026) et UltraImage

Code officiel de RDT 2

[ECCV 2024] Image unique vers maillage 3D texturé en 10 secondes avec un modèle de reconstruction convolutionnel.