arXiv · ML· Jiachun Jin, Zetong Zhou, Xiao Yang, Hao Zhang, Pengfei Liu, Jun Zhu, Zhijie Deng·· 3 天前AI 评分26
LatentUM:潜空间统一模型释放交错跨模态推理潜力
LatentUM: Unleashing the Potential of Interleaved Cross-Modal Reasoning via a Latent-Space Unified Model
AI 导读
论文提出 LatentUM 模型,在共享语义潜空间表示所有模态,消除像素空间中介,实现灵活的交错跨模态推理与生成。 该模型在 Visual Spatial Planning benchmark 上取得 SOTA 性能,并通过自反思提升视觉生成、预测未来视觉状态,展示了世界建模能力。 代码和模型已在官方链接公开,该工作入选 NeurIPS 2026 Oral。
来源:arXiv · ML · arxiv.org