★ 3
Uni-LaDiR：潜扩散统一多模态推理
论文提出 Uni-LaDiR 框架，将不同模态的推理步骤映射到共享潜空间中的统一思维 token，并用扩散模型预测下一块思维 token。编码器与扩散推理器共享权重联合训练，使思维 token 既对任务有用又可由上下文预测，推理时无需教师观测即可生成。在 11 个视觉语言模型基准与 2 个视觉-语…
arXiv cs.LG45 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文提出 Uni-LaDiR 框架，将不同模态的推理步骤映射到共享潜空间中的统一思维 token，并用扩散模型预测下一块思维 token。编码器与扩散推理器共享权重联合训练，使思维 token 既对任务有用又可由上下文预测，推理时无需教师观测即可生成。在 11 个视觉语言模型基准与 2 个视觉-语…