11:33arXiv cs.AI@Yunqi Xue, Zhijiang Li, Philip Torr, Jindong Gu该论文针对自回归统一多模态模型在文本到图像生成中的安全性问题,提出迭代自我改进码本方法。方法利用模型自身理解与判断能力识别不安全生成图像,无需人工标注。通过构建有害空间并更新码本消除有害映射,再在无害空间内自适应微调码本以保持生成质量。实验表明,该方法在不依赖外部反馈情况下迭代提升模型安全性。论文自回归图像生成码本安全生成统一多模态模型AI安全推荐理由:这篇论文给自回归图像生成的安全问题提供了一个不需要人工标注的自我改进方案,用模型自己判断不安全图片然后修复码本,很实用。原文
14:28arXiv cs.AI@Songsong Yu, Yuxin Chen, Ying Shan, Yanwei Li精选统一多模态模型(UMMs)试图在单一架构中整合视觉理解与视觉生成,但现有训练范式将两者解耦,导致表征空间错位。本文首次系统研究生成式后训练,发现高层语义任务(如图像分割)可作为最优代理,通过提供结构语义来增强视觉感知和生成布局保真度。作者提出语义生成调优(SGT)范式,利用分割作为生成代理对齐多模态能力。机制分析表明SGT改善了特征线性可分性和视觉-文本注意力分配。实验证明SGT在主流基准上持续提升多模态理解和生成保真度。论文统一多模态模型生成式后训练图像分割视觉理解视觉生成推荐理由:做多模态模型训练的团队终于有了一个能同时提升理解和生成的后训练方法——SGT用分割任务对齐表征空间,比解耦训练更高效,做视觉AI的开发者可以直接参考代码实现。原文