Uni-LaDiR 用潜空间扩散统一跨模态推理

研究者提出 Uni-LaDiR（Unified Latent Diffusion Reasoner），一个面向 VLM 与 VLA 的统一推理框架。其核心主张是：人类推理时并不区分「用像素思考」和「用文字思考」，思维应存在于与具体模态无关的抽象层面。该工作借助扩散模型在统一的潜空间中执行推理，使模型在图像、文本乃至 3D 等多模态任务上共享同一套推理机制，让思维脱离具体模态的束缚。

2026-10-06 ~ 2026-10-07 · 2 条相关