四张 96GB GPU 训出的图像并行生成模型,Geneval 达 0.74

_akhaliq · x · 2026-11-20

auselis 转评新论文 Jeveration / System One:不需要迭代去噪或自回归解码,直接一次并行生成 128 个离散图像 token(双向注意力),类似 Janus-Pro 但采用块级解码而非逐 token。

训练成本惊人:基于 Qwen 3.5 4B + LoRA,仅用 4 张 96GB GPU、总计约 400 GPU 小时,统一模型即达到 0.74 Geneval 分数。作者也指出局限:论文未报告标准 VLM 理解类成绩,模型在理解任务上的能力保留存疑。

所属事件:Jeveration:冻结VLM单次前向生成512px图像,78毫秒(5 条相关)→

原文链接 →

「多模态」频道最新

更多「多模态」频道 AI 资讯 →