Uni-LaDiR：用扩散模型在潜空间统一多模态推理
Lianhuiq · x · 2026-10-07
Uni-LaDiR(Unified Latent Diffusion Reasoner)提出把推理统一到与模态无关的抽象潜空间：人不会分别「用像素推理」和「用文字推理」，思维应存在于更抽象的潜空间中。该框架面向 VLM 与 VLA，用扩散过程生成 latent thoughts，并通过下游任务的端到端损失联合优化整个系统，使来自图像、文本、3D 点云等不同模态的 CoT 数据共享同一推理表示。
所属事件:Uni-LaDiR 用潜空间扩散统一跨模态推理(2 条相关)→
「多模态」频道最新
- 100 轮重复重建实测:Ideogram 4.5 是唯一无明显噪声漂移的图像编辑模型 — jfischoff · 2026-10-07
- 6GB 显存也能跑 Krea 2:作者发布低配专用 ComfyUI 工作流 — Intelligent-While146 · 2026-10-07
- Nano Banana 2.1 出炉，Drift 基准对比再输 Flux 3 — alexcovo_eth · 2026-10-07
- Lightricks 发布 LTX-2.5 视频 IC-LoRA,实现 Alpha 抠像 — Lightricks · 2026-10-07
- 开源音乐工作室 Ruach Studio 发布：基于 YuE2 单卡本地整首歌生成 — Heretical-Tandem · 2026-10-07
- 疑似腾讯视频模型「Prism」现身高 HF，个人仓库Beta 分发引猜测 — q5sys · 2026-10-07