復旦夥美團推UniToken　單一框架兼顧圖文理解與生成

統一建模長期困局

傳統的圖文理解與圖像生成模型，其視覺編碼的底層特性差異較大，要在單一框架內兼顧兩類任務，長期存在難以迴避的統一建模難題。

過往的方案在融合兩種能力時，常常出現任務干擾與表示割裂的情況，顧此失彼的現象相當普遍，制約了多模態統一模型的發展步伐。其實際效果仍有待時間檢驗。