继今年早些时候发布DLSS 4.5超分辨率功能后,NVIDIA现已发布更新,为RTX 50系列显卡带来专门提升帧率的DLSS 4.5功能。这些新功能包括DLSS 4.5动态多帧生成和DLSS 4.5多帧生成6X技术。NVIDIA承诺提供"迄今最流畅的光线追踪游戏体验",释放高刷新4K 240Hz OLED游戏显示器,或1080p和1440p显示器在360Hz及以上刷新率的潜力。
动态多帧生成技术
首个功能DLSS 4.5动态多帧生成被NVIDIA比作RTX 50系列显卡的"自动变速器"。该AI驱动功能不是以固定倍数提升帧率,而是动态调整以在刷新率、图像质量和响应性之间取得平衡。为了优化计算能力,它确保游戏帧率不超过显示器的原生刷新率,因此不会在120Hz显示器上以240fps运行游戏。
多帧生成6X技术突破
另一个关键功能多帧生成6X旨在提供更高水平的性能表现。基于NVIDIA第二代Transformer模型,结合帧间距和图像质量改进,该功能将最大倍数提升至6倍,在GeForce RTX 50系列GPU上为每个原生渲染帧生成多达五个额外帧。这将使4K帧率提升多达35%,同时"对响应性的影响极小"。
技术原理与局限性
与超分辨率技术一样,这些功能并不会加速游戏的原生帧率。相反,DLSS 4.5功能使用AI来创建机器"认为"应该存在的插值中间帧。虽然这种方案通常运行良好,但在某些类型的场景中可能会产生奇怪的伪影,特别是在雨滴、头发和电话线等精细细节方面。
尽管如此,该技术允许更流畅的游戏体验,同时对GPU负担的增加极小。该技术现已适用于NVIDIA RTX 50系列显卡,正如NVIDIA此前宣布的,已有多款游戏支持多帧生成功能,包括《007 First Light》(5月27日)、《CONTROL Resonant》、《Directive 8020》(5月12日)和《Tides of Annihilation》。
Q&A
Q1:DLSS 4.5动态多帧生成技术是如何工作的?
A:DLSS 4.5动态多帧生成技术像RTX 50系列显卡的"自动变速器",使用AI动态调整帧率倍数,在刷新率、图像质量和响应性之间取得平衡,确保游戏帧率不超过显示器的原生刷新率。
Q2:多帧生成6X技术能提升多少性能?
A:多帧生成6X基于NVIDIA第二代Transformer模型,将最大倍数提升至6倍,为每个原生渲染帧生成多达五个额外帧,使4K帧率提升多达35%,对响应性影响极小。
Q3:DLSS 4.5技术有什么使用限制?
A:DLSS 4.5技术目前仅适用于NVIDIA RTX 50系列显卡,在处理雨滴、头发和电话线等精细细节时可能会产生伪影,且不会加速游戏的原生帧率。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。