index_new5.html
../../../zaker_core/zaker_tpl_static/wap/tpl_guoji1.html
![]()
RWKV社区在2025年10月迎来多项重要进展。ROSA机制已完成验证，并有10篇论文在图像、3D、视频、序列等多个方向取得突破。模型方面，RWKV7-G0a3 7.2B推理模型开源发布，性能显著提升。学术研究领域，多篇论文发表于CCF A/B类会议及Q1期刊，涵盖图像全色锐化、点云分析、夜间图像增强、遥感图像处理、MRI转换、图像超分辨率、睡眠分期以及视频理解等，展示了RWKV在各领域的广泛应用与创新。此外，RWKV团队还受邀参加了YOLO Vision 2025活动。
✨ **ROSA机制验证与模型迭代**：RWKV架构的关键创新——ROSA机制已成功完成验证，并被证实具有良好的可扩展性，堆叠越多层级模型能力越强。同时，RWKV7-G0a3 7.2B推理模型也已开源发布，其在高质量数据上的进一步训练显著提升了模型能力，被誉为“迄今最强RNN”。
🎓 **多领域学术研究成果丰硕**：10篇高质量论文在图像、3D、视频、序列等多个方向上取得了显著进展。这些研究成果广泛发表于CCF A/B类会议及JCR Q1/中科院2区期刊，包括基于RWKV的图像全色锐化、点云分析、夜间图像增强、遥感图像语义分割、MRI图像转换、图像超分辨率、睡眠分期以及视频理解等，充分展现了RWKV在不同应用场景下的强大潜力和创新应用。
🚀 **推动前沿技术探索**：RWKV在学术界和工业界都引起了广泛关注。ROSA机制的验证预示着AI模型在解决复杂问题（如1M参数完成40位加减法）和探索神经符号模型方面的新可能。RWKV团队受邀参加YOLO Vision 2025，也体现了其在计算机视觉领域的积极贡献和影响力。
🌐 **社区活跃与资源丰富**：RWKV社区持续壮大，提供了中文官网、论坛、QQ频道和QQ群等多种交流平台，方便用户学习、讨论和参与RWKV模型的开发与应用。Bilibili上的视频教程也为用户提供了便捷的学习资源。
原创 manjuan 2025-11-12 15:01 广东
ROSA机制公布并完成验证；10篇论文，涉及图像、3D、视频、序列等方向。
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 10 月的最新动态。10 月动态省流版（TL;DR）
RWKV 模型新闻动态 RWKV7-G0a3 7.2B 发布RWKV8 ROSA 机制公布RWKV 学术研究动态 WKV-sharing embraced random shuffle RWKV high-order modeling for pan-sharpening（基于 RWKV 的图像全色锐化，发表于 CCF A 类会议 NeurIPS 2025）RWKV3D: An RWKV-Based Model with Multiple Training Strategies for Point Cloud Analysis（基于 RWKV 的点云分析，发表于 CCF A 类会议 ACM MM 2025）RWKV-PCSSC: Exploring RWKV Model for Point Cloud Semantic Scene Completion（基于 RWKV 的点云语义场景补全，发表于 CCF A 类会议 ACM MM 2025）Learning Structural Priors via Laplacian RWKV Diffusion with Light-Effect Dataset for Nighttime Visibility Enhancement（基于 RWKV 的图像增强，发表于 CCF A 类会议 ACM MM 2025）Freq-RWKV: Granularity-Aware Spatial-Frequency Synergy via Dual-Domain Recurrent Scanning for Pan-sharpening（基于 RWKV 的遥感图像全色锐化，发表于 CCF A 类会议 ACM MM 2025）RS3-RWKV: Leveraging RWKV for Efficient Remote Sensing Semantic Segmentation（基于 RWKV 的图像分割，发表于 JCR Q1 分区期刊 IEEE JSTARS）FS-RWKV: Leveraging Frequency Spatial-Aware RWKV for 3T-to-7T MRI Translation（基于 RWKV 的医学图像转换，发表于 CCF B 类会议 BIBM 2025）GDSR: Global-Detail Integration through Dual-Branch Network with Wavelet Losses for Remote Sensing Image Super-Resolution（基于 RWKV 的图像超分辨率，发表于 CCF B 类期刊 IEEE TGRS）SleepRWKVNet: A multimodal sleep staging network integrating bidirectional interactive RWKV and physiological prior-driven sequence-aware loss（基于 RWKV 的睡眠分期模型，发表于中科院 2 区期刊 BSPC）Bridging Transformers and RWKV: Towards Efficient Multimodal Video Understanding（使用 RWKV 替代部分 Transformer 层的视频理解模型）RWKV 社区市场活动RWKV 团队受邀参加 YOLO Vision 2025RWKV 模型新闻动态
RWKV7-G0a3 7.2B 发布
2025 年 10 月 30 日， RWKV7-G0a3 7.2B 推理模型开源发布。它基于 RWKV7-G0a2 7.2B 继续训练高质量数据，显著提升能力。详细报道：RWKV7-G0a3 7.2B发布：迄今最强RNN，高并发vibe codingRWKV8 ROSA 机制公布
RWKV 架构作者 PENG Bo 已证实 RWKV8 ROSA 直接可 scale，堆越多越强：
详细报道：RWKV7+ROSA用1M参数做40位加减法（纯端对端训练）RWKV8 ROSA直接可scale：准备开练小语言模型RWKV8多层ROSA：AI自动发明内部语言解决问题RWKV8 ROSA训练Demo：世界首个认真的Neurosymbolic模型？RWKV-8 ROSA 机制：开启未来之路RWKV 学术研究动态
WKV-sharing
论文名称：WKV-sharing embraced random shuffle RWKV high-order modeling for pan-sharpening论文链接：https://openreview.net/forum?id=gqfQfqDQhx发布日期：2025-10-29该研究提出一种基于 RWKV 的遥感图像全色锐化新范式 RS-RWKV。为解决 Vision RWKV 中的固定扫描偏差，引入了贝叶斯启发的随机洗牌（Random Shuffle）扫描策略。同时，通过 WKV 共享机制实现高阶建模，有效降低延迟并提升了模型性能，在多个基准测试中表现优越。文中方法非常出色，发表于 CCF A 类会议 NeurIPS 2025。
RWKV3D
论文名称：RWKV3D: An RWKV-Based Model with Multiple Training Strategies for Point Cloud Analysis论文链接：https://dl.acm.org/doi/abs/10.1145/3746027.3755658发布日期：2025-10-27本文提出一种基于 RWKV 架构的点云分析模型 RWKV3D，通过引入局部特征混合器 (LFM) 和双向多头移位 (BMS) 机制，有效提升了特征提取能力。该模型支持多种训练策略，在点云分类等任务中以更少的计算成本超越了 Transformer 和 Mamba 模型，取得了 SOTA 性能。文中模型具有极高的精度和效率，发表于 CCF A 类会议 ACM MM 2025。
RWKV-PCSSC
论文名称：RWKV-PCSSC: Exploring RWKV Model for Point Cloud Semantic Scene Completion论文链接：https://dl.acm.org/doi/abs/10.1145/3746027.3754908发布日期：2025-10-27该研究提出 RWKV-PCSSC，一个受 RWKV 机制启发的轻量级点云语义场景补全网络。通过创新的 RWKV 种子生成器 (RWKV-SG) 和点反卷积 (RWKV-PD) 模块，该方法在多个数据集上实现了 SOTA 性能，同时显著减少了模型参数量和内存占用。论文中模型具有强大的性能和效率，发表于 CCF A 类会议 ACM MM 2025。
Learning Structural Priors via Laplacian RWKV Diffusion
论文名称：Learning Structural Priors via Laplacian RWKV Diffusion with Light-Effect Dataset for Nighttime Visibility Enhancement论文链接：https://dl.acm.org/doi/abs/10.1145/3746027.3755510发布日期：2025-10-27该研究提出一种基于 RWKV 与扩散模型的夜间图像增强方法，通过设计的双环路拉普拉斯 RWKV (Lap-RWKV) 提取结构先验，以指导模型同时抑制光效并增强低光区域。作者还构建了首个包含光效的配对夜间数据集 NightLight。文中模型具有优秀的精度和效率，发表于 CCF A 类会议 ACM MM 2025。
Freq-RWKV
论文名称：Freq-RWKV: Granularity-Aware Spatial-Frequency Synergy via Dual-Domain Recurrent Scanning for Pan-sharpening论文链接：https://dl.acm.org/doi/abs/10.1145/3746027.3755521发布日期：2025-10-27本文为解决遥感图像全色锐化问题，首次提出 Freq-RWKV 框架。该框架改进了 RWKV 架构，通过小波引导的双域扫描策略克服其固有的局部一致性缺陷。其 U 形网络协调空间与频率域扫描，实现了从粗到细的特征增强，有效恢复高频细节。文中模型效果突出，发表于 CCF A 类会议 ACM MM 2025。
RS³-RWKV
论文名称：RS³-RWKV: Leveraging RWKV for Efficient Remote Sensing Semantic Segmentation论文链接：https://ieeexplore.ieee.org/abstract/document/11214221发布日期：2025-10-22该研究基于 RWKV 架构提出 RS3-RWKV 框架，用于高分辨率遥感图像语义分割。通过设计的邻近敏感 WKV 注意力 (PS-WKV) 和尺度自适应位移机制 (SA-Shift)，模型有效捕捉了空间连续性和多尺度特征，在提升分割精度的同时保持了计算效率。文章对遥感图像分割做出了贡献，发表于 JCR Q1 分区期刊 IEEE JSTARS。
FS-RWKV
论文名称：FS-RWKV: Leveraging Frequency Spatial-Aware RWKV for 3T-to-7T MRI Translation论文链接：https://arxiv.org/abs/2510.08951发布日期：2025-10-10本研究提出基于 RWKV 的 FS-RWKV 框架，用于将低场 3T MRI 图像转换为高场 7T 图像。该模型引入频率空间全向位移 (FSO-Shift) 和结构保真度增强模块 (SFEB)，通过结合小波分解与多域特征融合，有效提升了合成图像的解剖细节与全局对比度，性能优于现有方法。论文的工作出色，发表于 CCF B 类会议 BIBM 2025。
GDSR
论文名称：GDSR: Global-Detail Integration through Dual-Branch Network with Wavelet Losses for Remote Sensing Image Super-Resolution论文链接：https://ieeexplore.ieee.org/document/11192566发布日期：2025-10-06论文首次将 RWKV 模型应用于遥感图像超分辨率，提出了 GDSR 双分支网络。该网络并行 RWKV 与 CNN 分别捕获全局和局部特征，通过特定模块进行融合，并结合小波损失函数增强细节恢复。实验表明，GDSR 在提升重建质量的同时，计算效率优于现有先进方法。论文有效提升了重建精度和效率，发表于 CCF B 类期刊 IEEE TGRS。
SleepRWKVNet
论文名称：SleepRWKVNet: A multimodal sleep staging network integrating bidirectional interactive RWKV and physiological prior-driven sequence-aware loss论文链接：https://www.sciencedirect.com/science/article/abs/pii/S1746809425012248发布日期：2025-10-30该研究提出 SleepRWKVNet，一种基于双向交互 RWKV 的多模态睡眠分期网络。模型通过创新的 Bi-IFM 模块高效融合长序列生理信号并解决模态贡献不一致问题，同时引入基于生理先验的序列感知损失函数 PS-Loss，有效缓解类别不平衡，提升了自动睡眠分期的准确性。论文的工作新颖有效，发表于中科院 2 区期刊 BSPC
Bridging Transformers and RWKV
论文名称：Bridging Transformers and RWKV: Towards Efficient Multimodal Video Understanding论文链接：https://openreview.net/forum?id=kmNqnwA4aV发布日期：2025-10-08该研究为解决长视频理解的效率瓶颈，提出一种 RWKV-Transformer 混合架构。通过将部分 Transformer 层替换为 RWKV 模块，并利用参数重用和渐进式蒸馏策略，模型在不进行令牌压缩的情况下显著提升了推理吞吐量，同时在多个视频理解基准上保持了与原模型相当甚至更优的性能。
社区市场活动
RWKV 团队受邀参加YOLO Vision 2025
2025 年 10 月 26 日，元始智能受邀参加 YOLO Vision 2025 并分享 RWKV 技术在视觉模型中的应用。
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
