MIT 实现图文非配对互译，LLM 世界模型与视觉世界模型趋同

stanfordnlp · x · 2026-10-13

MIT 教授 Phillip Isola 分享了其学生 Dominik 的成果：图像与文本之间的非配对翻译（unpaired translation between images and text）。Isola 称这是他梦想多年的结果——原以为只能勉强可行、需要费力才能看出效果，但实验证明完全不用勉强。Stanford 的 Christopher Manning 转发评论：这表明 LLM 的世界模型与视觉「世界模型」之间的差异，可能并不像许多人认为的那么大。该结果对「LLM 是否真正理解世界」的争论是重要的实证证据。