Nemotron-Labs-Diffusion-Uni：具备渐进式自我精修能力的统一扩散语言模型
论文提出 Nemotron-Labs-Diffusion-Uni（NLD-Uni），一种用于视觉理解与生成的离散扩散语言模型。其跨范式 on-policy 蒸馏方法旨在结合自回归视觉语言模型和连续流模型的能力。训练时，图像 token 会逐步受到破坏；推理时，模型可以修正中间的 token 决策。作者称，NLD-Uni 在视觉问答、多模态推理、目标定位、文生图和图像编辑等任务上，取得了统一扩散语言模型中的领先表现。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。