多模态视觉自回归新方法
prof_kamilov · x · 2026-07-15
这是对一篇新预印本的夸赞，研究主题是 **Next-Dense-Stride Prediction for Multimodal Autoregressive Visual Modeling**。 论文的核心思路是：在一个紧凑的网格上做**从粗到细**的建模，先用稀疏 token，再逐步增加更密的 stride，并尽可能并行解码，以提升自回归视觉建模效果。作者给出的项目页也说明这是一个面向多模态视觉生成/建模的研究方向。