跳到正文
arXiv · 机器人与计算机视觉· Byungwoo Jeon, Yoonwoo Jeong, Hyunseok Lee, Minsu Cho, Jinwoo Shin·· 17 天前AI 评分68

Latent Reasoning in Continuous Space for Unified Multimodal Models

Latent Reasoning in Continuous Space for Unified Multimodal Models

AI 导读

针对统一多模态模型难以有效利用语言链式思维进行图像生成的问题,本文提出在连续空间进行隐式推理的框架(LARC),通过训练阶段的课程监督微调与信息增益强化学习,将离散 token 级推理转化为连续隐藏状态推理。实验表明该方法在多基准上提升生成质量与指令遵循能力,并在 GenEval 评测中超越 BAGEL 模型,展现出清晰的测试时间扩展行为。

来源:arXiv · 机器人与计算机视觉 · arxiv.org