Uni-LaDiR 用潜空间扩散统一图文 3D 推理，让思维脱离具体模态
Lianhuiq · x · 2026-10-06
研究者提出 Uni-LaDiR（Unified Latent Diffusion Reasoner），一个面向 VLM 和 VLA 的统一推理框架。
核心主张：人类推理时不会在图像、文本、3D 点云之间分别切换，思维应存在于更抽象的潜空间中，与 CoT 数据来自哪种模态无关。Uni-LaDiR 用扩散模型在潜空间生成「潜思维」（latent thoughts），把不同模态的推理统一到同一空间，使推理过程不再依赖具体模态的表征形式。
「研究」频道最新
- DeskForge 生成 120 万条桌面标注,GUI grounding 准确率提升 11.5 点 — docling-project · 2026-10-07
- iADD 从理论上修正 DDPO:仅更新后段时间步反而损害多样性 — Ashok Prasad Neupane · 2026-10-07
- Foresight 免训练让流式 VLM 预知未来:OmniPro Online 超强基线 9.5% — Ashok Prasad Neupane · 2026-10-07
- ProgressCompass:补对上下文让具身进度奖励模型误差降 63% — Jianshu Zhang · 2026-10-07
- FairRSFM 基准揭示遥感基础模型的生态偏差:最差组分数远低于总体 — Md Aminur Hossain · 2026-10-07
- UIUC 发布 LMBuild：评测 LLM 能否造出「真能用」的结构 — UIUC-CS · 2026-10-07