首页 文章 精选 留言 我的

精选列表

搜索[Angel PowerFL 安全联合计算],共10000篇文章
优秀的个人博客,低调大师

普林斯顿、字节跳动等联合发布首个多模态扩散大语言模型 MMaDA

普林斯顿大学、字节跳动 Seed、北大和清华等研究团队合作提出了多模态扩散大语言模型MMaDA(Multimodal Large Diffusion Language Models),作为首个系统性探索扩散架构的多模态基础模型,MMaDA 通过三项核心技术突破,成功实现了文本推理、多模态理解与图像生成的统一建模。 该模型旨在实现跨文本和图像领域的深度思考和通用能力,并在文本推理、多模态理解和文本到图像生成等任务上展现超越现有模型(包括GPT-4、Gemini、SDXL)的表现。 论文标题:MMaDA: Multimodal Large Diffusion Language Models 论文链接:https://arxiv.org/abs/2505.15809 代码仓库:https://github.com/Gen-Verse/MMaDA 模型地址:https://huggingface.co/Gen-Verse/MMaDA-8B-Base Demo 地址:https://huggingface.co/spaces/Gen-Verse/MMaDA MMaDA的核心创新包括:采用统一扩散架构,具有共享概率公式和模态无关设计,无需模态特有组件;引入混合长链式思考(Mixed Long CoT)微调策略,构建跨模态统一CoT格式,增强复杂任务处理能力;提出统一强化学习算法UniGRPO,专门针对扩散模型设计,通过多样化奖励建模统一推理和生成任务的后训练。 MMaDA-8B模型在文本推理(超越LLAMA-3-7B和Qwen2-7B)、多模态理解(优于Show-o和SEED-X)和文本到图像生成(超越SDXL和Janus,生成更准确、符合世界知识的图片)方面均取得优异成绩。模型采用统一的离散Token化策略处理文本和图像,并在基础预训练、混合长链式思考微调和UniGRPO强化学习三个阶段进行训练。 MMaDA天然支持图像修复(inpainting)和外推(extrapolation),无需额外微调。MMaDA的发布探索了基于扩散模型的通用基础模型设计空间,展示了扩散模型作为下一代多模态智能基础范式的潜力。

资源下载

更多资源
Mario

Mario

马里奥是站在游戏界顶峰的超人气多面角色。马里奥靠吃蘑菇成长,特征是大鼻子、头戴帽子、身穿背带裤,还留着胡子。与他的双胞胎兄弟路易基一起,长年担任任天堂的招牌角色。

Nacos

Nacos

Nacos /nɑ:kəʊs/ 是 Dynamic Naming and Configuration Service 的首字母简称,一个易于构建 AI Agent 应用的动态服务发现、配置管理和AI智能体管理平台。Nacos 致力于帮助您发现、配置和管理微服务及AI智能体应用。Nacos 提供了一组简单易用的特性集,帮助您快速实现动态服务发现、服务配置、服务元数据、流量管理。Nacos 帮助您更敏捷和容易地构建、交付和管理微服务平台。

Rocky Linux

Rocky Linux

Rocky Linux(中文名:洛基)是由Gregory Kurtzer于2020年12月发起的企业级Linux发行版,作为CentOS稳定版停止维护后与RHEL(Red Hat Enterprise Linux)完全兼容的开源替代方案,由社区拥有并管理,支持x86_64、aarch64等架构。其通过重新编译RHEL源代码提供长期稳定性,采用模块化包装和SELinux安全架构,默认包含GNOME桌面环境及XFS文件系统,支持十年生命周期更新。

Sublime Text

Sublime Text

Sublime Text具有漂亮的用户界面和强大的功能,例如代码缩略图,Python的插件,代码段等。还可自定义键绑定,菜单和工具栏。Sublime Text 的主要功能包括:拼写检查,书签,完整的 Python API , Goto 功能,即时项目切换,多选择,多窗口等等。Sublime Text 是一个跨平台的编辑器,同时支持Windows、Linux、Mac OS X等操作系统。

用户登录
用户注册