index_new5.html
../../../zaker_core/zaker_tpl_static/wap/tpl_guoji1.html
![]()
本期内容收录了 RWKV 社区 2025 年 7 月的最新动态。包括 RWKV 模型新闻动态、RWKV 学术研究动态、RWKV 社区项目动态以及 RWKV 社区市场活动。7 月，RWKV 社区发布了多个新模型，并在学术界取得了多项重要成果。此外，RWKV 社区还推出了 Mini-RWKV-V7 项目，并参与了 2025 世界人工智能大会。
🌟 RWKV 模型新闻动态：发布了 RWKV7-G0 7.2B、RWKV7-G1a 0.1B 等新模型，其中 RWKV7-G0 7.2B 可能是人类训练过的最强纯 RNN 语言模型。
📚 RWKV 学术研究动态：基于 RWKV 模型发表了多篇论文，涉及视频理解、图像融合、医学图像分割、低光图像增强等领域，并在多个学术会议和期刊上发表。
🛠️ RWKV 社区项目动态：推出了 Mini-RWKV-V7 项目，一个 34M 参数量的轻量级语言模型，适用于资源受限的设备。
🌐 RWKV 社区市场活动：RWKV 团队亮相 2025 世界人工智能大会，并荣获 WAIC“镇馆宝-未来之星”称号；移远通信宣布与 RWKV 建立全面合作关系，共同推动大模型在端侧设备的低资源占用部署。
原创 manjuan 2025-07-31 16:16 广东
欢迎大家收看《RWKV 社区最新动态》，本期内容收录了 RWKV 社区 2025 年 7 月的最新动态。只需 3 分钟，快速了解 RWKV 社区 7 月都有哪些新鲜事！7 月动态省流版（TL;DR）
RWKV 模型新闻动态 RWKV7-G0 7.2B 发布，这可能是迄今为止人类训练过的最强纯 RNN 语言模型RWKV7-G1a 0.1B 发布，增强数据后有明显提升RWKV7a-G1b 0.1B 正在训练，加入了 DeepEmbed 技术，总参数 0.9BRWKV 学术研究动态 新论文：AuroraLong: Bringing RNNs Back to Efficient Open-Ended Video Understanding（基于 RWKV 的视频理解，已入选 ICCV 2025）新论文：An Efficient Image Fusion Network Exploiting Unifying Language and Mask Guidance（基于 RWKV 的图像融合，已入选 IEEE TPAMI）新论文：U-RWKV: Lightweight medical image segmentation with direction-adaptive RWKV（基于 RWKV 的医学图像分割，已入选 MICCAI 2025）新论文：DEVR: Train an Efficient Vision-RWKV Model with Improved Knowledge Distillation（基于 RWKV 的高效视觉模型，已入选 ICIC 2025）新论文：EvRWKV: A RWKV Framework for Effective Event-guided Low-Light Image Enhancement（基于 RWKV 低光增强）新论文：Scaling Context Requires Rethinking Attention（基于 RWKV 的架构优化方案）新论文：DRWKV: Focusing on Object Edges for Low-Light Image Enhancement（基于 RWKV 的低光图像增强）新论文：LowKeyEMG: Electromyographic typing with a reduced keyset（基于 RWKV 的辅助人机交互系统）RWKV 社区项目动态Mini-RWKV-V7(基于 RWKV-V7 的一个 34M 参数的语言模型)RWKV 社区市场活动RWKV 团队亮相 WAIC 2025移远通信宣布与 RWKV 建立全面合作关系RWKV 模型新闻动态
RWKV7-G0 7.2B 发布
2025 年 7 月 22 日， RWKV7-G0 7.2B 推理模型（Reasoning Model）正式开源发布，它很可能是迄今为止人类训练过的最强纯 RNN 语言模型，可以解决不少数学题。
eval详细报道：RWKV7-G0 7.2B 发布，最强纯 RNN 推理模型RWKV7-G1a 0.1B 发布
2025 年 7 月 28 日，RWKV7-G1a 0.1B 推理模型（Reasoning Model）正式开源发布，相对 RWKV-G1 0.1B 增加了 1T token 的优质训练数据，各项指标有明显提升。RWKV7a-G1b 0.1B 正在训练
我们正在训练加入 DeepEmbed 技术 的 RWKV7a-G1b 0.1B（总参数 0.9B）。目前它相对于 RWKV7 的 loss 正在稳定下降。
Loss-G1bRWKV 学术研究动态
RWKV 学术研究包括基于 RWKV 架构的新论文或 RWKV 社区参加的学术研究。AURORA LONG
论文名称：AuroraLong: Bringing RNNs Back to Efficient Open-Ended Video Understanding论文链接：https://arxiv.org/abs/2507.02591发布日期：2025-07-03本文基于 RWKV 模型提出了 AURORA LONG，通过将 MLLMs 中的 LLM 组件替换为 RWKV 模型，以恒定大小的隐藏状态处理任意长度的输入序列。研究结合视觉令牌合并，通过按大小升序重新排列视觉令牌，显著提高了处理效率。AURORA LONG 在多个视频基准测试中表现出与基于 Transformer 的模型相当的性能，同时降低了算力消耗。该论文的模型十分精妙，已入选 ICCV 2025。
20250703-Bringing RNNs Back to Efficient Open-Ended Video UnderstandingRWKVFusion
论文名称：An Efficient Image Fusion Network Exploiting Unifying Language and Mask Guidance论文链接：https://ieeexplore.ieee.org/abstract/document/11091495发布日期：2025-07-23本文基于 RWKV 模型提出 RWKVFusion 框架，利用语言描述和语义掩码指导图像融合过程。该方法通过高效扫描策略将 RWKV 适配为双向版本，并引入多模态融合模块促进信息交换，构建轻量级网络以降低计算成本。在可见红外、多曝光等图像融合任务中实现了最先进的性能。该论文的框架十分有效，已入选 IEEE TPAMI。
20250723-An Efficient Image FusionU-RWKV
论文名称：U-RWKV: Lightweight medical image segmentation with direction-adaptive RWKV论文链接：https://arxiv.org/abs/2507.11415发布日期：2025-07-15本文基于 RWKV 模型提出 U-RWKV 框架，用于轻量级医学图像分割。该框架引入方向自适应 RWKV 模块 (DARM) 和阶段自适应挤压-激励模块 (SASE)，高效建模长距离依赖并减少方向偏差，在资源受限环境中实现高性能分割。实验验证了其优越的计算效率和分割精度。论文在医学分割上有出色的表现，已入选 MICCAI 2025。
20250715-U-RWKVDEVR
论文名称：DEVR: Train an Efficient Vision-RWKV Model with Improved Knowledge Distillation论文链接：https://link.springer.com/chapter/10.1007/978-981-96-9794-6_29发布日期：2025-07-15本文基于 RWKV 模型提出了一种高效的视觉模型 DEVR，通过改进知识蒸馏方法。重新设计了 RWKV 块以增强通道特征和空间信息捕获，并引入结合对比学习和蒸馏的损失函数，分阶段对齐特征空间。实验表明，DEVR 在图像分类、检测和分割任务中优于现有模型，计算成本更低、速度更快。论文在图像领域有优秀的表现，已被 ICIC 2025 收录。
20250715-DEVREvRWKV
论文名称：EvRWKV: A RWKV Framework for Effective Event-guided Low-Light Image Enhancement论文链接：https://arxiv.org/abs/2507.03184发布日期：2025-07-01本文基于 RWKV 模型提出 EvRWKV 框架，通过双域处理实现事件与图像的连续跨模态交互。该框架采用 Cross-RWKV 模块进行细粒度时空融合，结合 EISFE 模块实现自适应频域噪声抑制与空域形变卷积对齐。在真实低光数据集上的实验表明，该方法能有效抑制噪声、恢复结构细节并提升视觉清晰度，达到 SOTA 性能。
20250701-EvRWKVScaling Context Requires Rethinking Attention
论文名称：Scaling Context Requires Rethinking Attention论文链接：https://arxiv.org/abs/2507.04239发布日期：2025-07-06本文基于 RWKV 模型提出了 power attention 优化方案，一种线性成本的序列建模层，通过独立调整状态大小解决长上下文训练问题。实验显示其在上下文学习中优于指数和线性注意力，并开发高效 GPU 内核实现速度提升。
20250706-Scaling Context Requires Rethinking AttentionDRWKV
论文名称：DRWKV: Focusing on Object Edges for Low-Light Image Enhancement论文链接：https://arxiv.org/abs/2507.18594发布日期：2025-07-24本文基于 RWKV 模型提出了 DRWKV 模型，整合全局边缘 Retinex (GER) 理论以解耦光照与边缘结构，引入演化 WKV 注意力机制增强空间连续性。实验表明，该模型在多个低光增强基准测试中取得领先的 PSNR、SSIM 和 NIQE 分数，同时保持低计算复杂度。
20250724-DRWKVLowKeyEMG
论文名称：LowKeyEMG: Electromyographic typing with a reduced keyset论文链接：https://arxiv.org/abs/2507.19736发布日期：2025-07-26本文基于 RWKV 模型开发了 LowKeyEMG 系统，用于通过表面肌电信号实现高效文本输入。该系统仅使用 7 个手势键，结合语言模型优化文本重建，在实时实验中达到平均 23.3 词/分钟的输入速度，手势效率提升 17%，top-3 单词准确率达 99.2%。
20250726-LowKeyEMG社区项目动态
Mini-RWKV-V7
项目基于 RWKV-V7 架构训练了一个 34M 参数量的语言模型 Mini-RWKV-V7-LM-34M 。它在保持轻量的同时，具备良好的语言理解和生成能力，非常适合资源极其有限的设备部署和快速迭代开发，并且同时支持预训练和有监督微调。
Mini-RWKV-V7项目链接：https://github.com/Alic-Li/Mini_RWKV_7社区市场活动
RWKV 团队亮相 2025 世界人工智能大会
7月26日，RWKV 携全球领先的大模型架构 RWKV-7 亮相 2025 世界人工智能大会暨人工智能全球治理高级别会议（以下简称 “ WAIC 2025”），并首次公开了 RWKV-7s 架构。元始智能作为企业代表向国务院总理李强、上海市委书记陈吉宁介绍 RWKV 架构、生态和产业化近况。详细报道：WAIC首日 | RWKV-7s 新型高效大模型架构正式亮相同日，承接 RWKV-7 优势的 RWKV-7s 新型高效大模型架构凭借其原创的 DeepEmbed 和 DeepEmbedAttention 技术，成为现场焦点并荣获 WAIC“镇馆之宝-未来之星”称号。详细报道：全新高效模型架构！RWKV-7s闪耀WAIC移远通信宣布与 RWKV 建立全面合作关系
7月26日，移远通信宣布与 RWKV 建立全面合作关系，双方将依托移远的算力平台，优化并支持RWKV最新模型架构，共同推动大模型在端侧设备的低资源占用部署。详细报道：端侧大模型迎来“轻”革命！移远通信 × RWKV 打造“轻量AI大脑”加入 RWKV 社区
欢迎大家加入 RWKV 社区，可以从 RWKV 中文官网了解 RWKV 模型，也可以加入 RWKV 论坛、QQ 频道和 QQ 群聊，一起探讨 RWKV 模型。📖 RWKV 中文文档：https://www.rwkv.cn💬 RWKV 论坛：https://community.rwkv.cn/🐧 QQ 频道：https://pd.qq.com/s/9n21eravc | QQ 交流群：224287095📺 BiliBili 视频教程：https://space.bilibili.com/3546689096910933阅读原文
跳转微信打开
