上海交大×中国电信统一多模态生成：让模型从自己的图像中学习
论文基本信息 原文标题： 受约束的自我改进（Self-Evolving）——Dreaming in Flow: Generative Grounding Feedback for Self-Evolving Unified Multimodal Models 首次公开： 2026年9月8日 署名单位： 上海交通大学、中国电信人工智能研究院、中国科学技术大学
标签：视觉理解
共 2 篇
华盛顿大学×亚马逊实测7种图像Tokenizer：重建更好，未必更适合多模态
一张图压缩后看起来更像原图，不代表这些视觉符号更容易被多模态模型理解，也不代表生成效果一定更强。 华盛顿大学与亚马逊团队把图像 Tokenizer 当作一种“视觉语言”，用文字、图像、文生图和图生文四类损失重新检查它。
