视觉信息引导的扩散多模态大语言模型并行解码

英文标题：Visual Information-Guided Parallel Decoding for Diffusion Multimodal Large Language Models

该论文发表于 arXiv，编号为 arXiv:2608.26580v1。论文聚焦扩散多模态大语言模型（dMLLM）的并行解码问题，这类模型从完全被掩码的序列开始，逐步对部分剩余掩码进行解码。研究提出以视觉信息引导并行解码，旨在改进多模态生成过程中的解码策略。该方向对需要兼顾生成效率与视觉语义一致性的多模态模型开发具有参考价值。

2.1 KB 640 B 612 B 380 B 9.1 KB 32.7 KB 22.8 KB 24.2 KB 34.7 KB