Moonworks Lunara：对艺术智能的建模 [R]

Lunara 提出了一种新颖的 Diffusion Mixture Transformer 架构，激活参数量低于 10B，用于在图像生成中对艺术智能进行建模。其 CAT 训练算法借鉴主动学习的思想，通过有针对性的样本采集、图像精修以及人工创作艺术作品的选择性引入，对训练分布进行迭代式更新。语义变体在保留共同内容的前提下调整构图，从而提供受控的、彼此相关的训练样本邻域。评测使用 1,000 条共享提示词和 8,000 张生成图像，衡量审美质量、情感共鸣和内容完整性三个维度。七个基线模型分别为 GPT-Image-1 Mini、Qwen-Image、AuraFlow、SD 3.5 Turbo、HiDream-I1 Fast、FLUX-Klein-4B 和 Z-Image-Turbo。在 GPT-5.6 Sol 评测下，Lunara 以 8.473 的审美质量得分领先，GPT-Image-1 Mini 为 8.457，Qwen-Image 为 8.366；GPT-Image-1 Mini 在情感共鸣和内容完整性方面领先。在盲测人工评测中，六位评审对匿名图像对进行评估，Lunara 在全部三个维度上均取得最高平均分。论文：https://arxiv.org/abs/2609.22272 评测数据集：https://huggingface.co/datasets/moonworks/lunara-art-eval 此次发布紧随此前两个登上 Hugging Face 首页的开源数据集之后。我们希望本文的研究成果能够推动更多关于主动学习以及基于混合架构的图像生成研究。