KAIST 等提出 LARC：连续潜空间推理让图像生成登顶 GenEval
burny_tech · x · 2026-11-10
KAIST、POSTECH 与 RLWRLD 研究者发布论文 LARC（Latent Reasoning in Continuous Space），针对统一多模态模型（UMM）的推理瓶颈。
- 核心诊断：现有 UMM 的推理发生在离散 token 空间，而图像生成在连续空间，存在根本的「模态失配」，导致语言式思维链难以提升生成质量。
- 方法：让模型直接在连续隐状态上推理。训练分两阶段——课程式 SFT 逐步把 token 级推理转化为潜空间推理；再用「信息增益」强化学习在无真值监督下自我演化。
- 结果：在 GenEval 上取得 SOTA，比 BAGEL 高 7 个百分点；生成质量、指令遵循与组合保真度全面提升，并展现清晰的 test-time scaling 行为，在并行与串行两种扩展策略下都胜过基于 token 的生成。
「多模态」频道最新
- 动效教程终章:一条时间线出三种画幅,流程封装成 Skill — FinanceYF5 · 2026-11-10
- 关键一步:让 Opus 给自己的画面打分,只重做最差 3 段 — FinanceYF5 · 2026-11-10
- librosa 提取节拍驱动动效:画面声音共用 120 BPM 时间线 — FinanceYF5 · 2026-11-10
- 闭式弹簧公式让动效有重量:叠弹簧代替重启,可渲染任意帧 — FinanceYF5 · 2026-11-10
- AI 动效渲染引擎只需两件套:seek(t) 页面加逐帧截图交 FFmpeg — FinanceYF5 · 2026-11-10
- 用 Opus 5.5 做动效为何千篇一律?12 步教程拆解真正成因 — FinanceYF5 · 2026-11-10