Tuna-2:Meta AI 提出无编码器统一多模态模型,像素级端到端训练超越传统架构在当前的统一多模态模型(Unified Multimodal Models)中,预训练的视觉编码器(如 VAE 或 CLIP)几乎是标配。这种模块化设计虽然成熟,却带来了一个根本性问题:理解任务与生成...图像模型# Meta AI# Tuna-2# 多模态模型6个月前2210