字节 Seedream 团队发布 VoT：让模型先思考再作画

字节跳动 Seedream 团队发布新研究 VoT（Vision-of-Thought），用于统一多模态表征对齐。其核心设计是在 VLM 与 DiT 扩散主干之间加入一个 VoT 层，让模型在渲染像素之前先进行「视觉思考」，即在生成图像前先做视觉层面的推理。该方法旨在打通视觉语言模型与扩散生成模型，提升多模态统一建模能力。

2026-09-13 ~ 2026-09-13 · 3 条相关

• Seedream 团队发布 VoT：像素渲染前先进行视觉思考 — JingxiangSun42 · 2026-09-13

另有 2 条近重复转述:JingxiangSun42 · JingxiangSun42