NVIDIA 发布 NLD-Uni：统一扩散 LLM 同时搞定视觉理解与生成，模型代码开源
nvidia · hf · 2026-10-28
NVIDIA 发布 Nemotron-Labs-Diffusion-Uni（NLD-Uni），一个统一的离散扩散大语言模型（DLLM），可同时处理视觉理解与生成任务。两大创新：
- 跨范式在线蒸馏（OPD）：把自回归 VLM 的视觉理解能力和连续流模型的图像生成能力蒸馏进统一 DLLM
- 渐进自精炼扩散：训练中让每个 token 跨多步逐渐腐蚀，而非一步变成 mask token，推理时可对 token 做中间提交、逐步自精炼，提升视觉质量
在视觉问答、多模态推理、grounding、文生图和图像编辑等任务上，NLD-Uni 在统一 DLLM 中取得 SOTA。模型与代码已公开。
「多模态」频道最新
- 百度 Unlimited OCR 2 实测：整文档单次解析无页数限制 — Baidu_Inc · 2026-10-28
- Opus 5.5 剪视频可替初级剪辑师，资深剪辑师日产出翻 5 倍 — dotey · 2026-10-28
- 阿里发布 0.8B 的 OvisOCR3：多教师蒸馏+RL 拿下多榜 SOTA — ATH-MaaS · 2026-10-28
- CodeCap-Bench:用可执行代码做视频描述,推理与重建更准 — Jiafu Tang · 2026-10-28
- Moving Atoms 用引擎把现实世界重建成高精度可交互 4D 模型 — Scobleizer · 2026-10-28
- Quiver Arrow 2 矢量生成模型上线 FLORA,可分层编辑 SVG — andpoul · 2026-10-28