何恺明继入职MIT后首次独立带队，带领包括奥赛双料金牌得主邓明扬在内的团队，提出全新方法让自回归模型告别矢量量化，采用连续值生成图像。他们借鉴扩散模型思想，提出了Diffusion Loss，消除了离散tokenizer的需求。论文展示了这一创新在AR、MAR模型上的优越性能，小模型达到1.98 FID分数，大模型甚至达到1.55 SOTA。此外，团队还在量子物理学方向应用强化学习，优化动态异构量子资源调度，成绩提升3倍以上。何恺明的多领域探索显示其在CV和AI4S的活跃身影。