LARC 用连续隐空间推理替代 token 级推理来提升统一多模态模型的图像生成。
资讯摘要
论文提出 LARC 框架，针对统一多模态模型在图像生成中难以利用语言链式推理的问题，指出推理在离散 token 空间、图像生成在连续空间存在模态错配。作者采用课程监督微调将 token 级推理逐步转为隐空间推理，再用信息增益强化学习在无真值监督下自我演化。作者报告在多个文生图基准上提升生成质量、提示遵循与组合保真度，GenEval 上较 BAGEL 提升 7 个百分点，并展现测试时扩展行为。
要点速读
- 论文将推理与图像生成的模态错配归因于离散 token 空间与连续空间的差异，提出在连续隐状态上推理的 LARC。
- 训练分两阶段：课程监督微调把 token 级推理转为隐推理，信息增益强化学习在无真值监督下自我演化。
- 作者报告在 GenEval 上较 BAGEL 提升 7 个百分点，并在并行与串行测试时扩展策略下优于基于 token 的生成。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/3 08:00:27（北京时间）。