跳到正文
Hugging Face Daily Papers·· 2026-10-14AI 评分24

Intern Lumina U2:面向全视觉理解与图像生成的多码本扩散语言模型

Intern Lumina U2: A Multi-Codebook Diffusion Large Language Model for Omni-Visual Understanding and Image Generation

AI 导读

Intern Lumina U2 是首个在全离散空间表示多码本视觉 token 的扩散语言模型,每个视觉位置由一组来自互补码本的编码表示,输入端按位置拼接嵌入,输出端用轻量多码本自回归头逐位预测编码,扩散主干并行处理所有位置。

打开原文 arxiv.org