2025年8月，扩散模型领域核心DiT遭网友质疑，称其数学、形式均错误，甚至怀疑其无Transformer。作者谢赛宁迅速回应，批评标题党行为并强调科学精神，指出评价需基于假设与实验。DiT融合Transformer与扩散模型，性能超越U-Net经典模型，广泛应用于图像视频生成。质疑者依据论文《TREAD》提出六点反驳，包括架构隐含特性及训练效率问题。谢赛宁否认Tread与“DiT是错的”有关，称其为正则化提升的结果，并推荐升级版Lightning DiT。他还总结团队改进方向，如内部表征学习方法REPA及相关技术优化，同时指出sd-vae是当前主要瓶颈。

2025年8月，一篇关于DiT架构缺陷的帖子在社交媒体引发热议。博主引用论文指出，DiT存在隐性架构问题，如FID过早稳定、后层归一化不稳定及adaLN-zero限制表达能力等。DiT作者、纽约大学助理教授谢赛宁回应称，质疑需基于实验而非空想，并解释DiT的改进方向，包括Lightning DiT升级版和VA-VAE等方法。他承认DiT有硬伤，如sd-vae效率低，但强调其仍是当前主流架构。谢赛宁呼吁科学质疑应基于假设与验证，而非仅为吸引关注。

2025年7月，知名学者谢赛宁就其团队论文中被发现隐藏AI好评提示词一事公开道歉，并承认此行为‘不道德’。事件起因是一名短期访问学者学生在其EMNLP投稿中加入白底白字的提示词，试图操控AI审稿结果。舆论发酵后，谢赛宁表示自己此前未察觉问题，强调共同作者应承担责任，并已更新论文、联系ARR寻求指导。他认为当前学术界需重新思考AI时代的伦理规则，呼吁对AI审稿及提示词注入等新问题展开深入讨论。同时，他也指出，这并非传统学术不端，而是新兴技术带来的复杂挑战，值得进一步反思与规范。

谢赛宁团队新作：无需提示词精准控制3D画面 曾几何时，用文字生成图像已变得稀松平常。但你是否想过通过拖动方向键或滑块来直接操控画面？谢赛宁团队最新发布的Blender Fusion框架，结合图形工具（Blender）与扩散模型，让视觉合成不再依赖文本提示，实现了对3D画面的精准控制。 核心：...

谢赛宁与Yann LeCun团队宣布首个以视觉为中心的多模态大模型Cambrian-1，命名为“寒武纪”，象征着理解能力的重大突破。模型解决了现有大模型的视觉缺陷，通过四分之一的视觉标记超越同类技术。他们构建模型的关键包括新测试基准CV-Bench、MLLM评估视觉模型、新连接器SVA和指令微调数据集Cambrian-10M。 Cambrian-1开源所有资源，包括8B、13B和34B不同规模的模型，预示着视觉模型新时代的到来。这项工作得到了谷歌TPU的支持，旨在推动视觉表示学习的持续进步。