" RaseUni: Разумная реконструкция &qt; способствует внедрению унифицированных смешанных моделей

arXiv: 2610.20.20781v1 Annuales Type: cross Brieft: I2T понимания и поколения T-2I являются двойными задачами в унифицированных мультимодальных моделях (UMS). Реконструктивные послеучебные задачи совпадают, однако существующие методы восстановления по-прежнему ориентированы на восприятие и обеспечивают ограниченный надзор за рассуждениями о структуре, намерениях и преобразованиях. Мы предлагаем " Осознанные уни &qt; , подкрепляемую аргументацией реконструкционную систему после прохождения подготовки, которая расширяет эту связь за пределы восприятия. С учетом оригинального изображения и инструкции по редактированию, УММ в первую очередь объясняется тем, что и как редактировать и описывать целевое состояние, а затем генерирует соответствующее целевое изображение, обусловленное результатом понимания. Для совместной оптимизации обоих модулей мы внедряем TreeGRPO — метод, основанный на укреплении деревьев и позволяющий производить выборку многопутных путей рассуждения и потенциальных изображений в каждом направлении, а затем агрегировать визуальные вознаграждения для обновления обоих модулей под единой целью. Эксперименты acr