mantahaya1777kino的背景和意义

电脑版下载

16683
9

mantahaya1777kino的背景和意义截图Q8X2R7L1T4J5M9B6W3

内容详情

mantahaya1777kino的背景和意义

近一年以来，统一明确与天生模子生长十分迅速，该使命的主要挑战在于视觉明确和天生使命自己在网络层间会爆发冲突。早期的完全统一模子（如 Emu3）与单使命的要领差别重大，Janus-Pro、BAGEL 通过一步一步解耦模子架构，极大地减小了与单使命模子的性能差别，后续要领甚至通过直接拼接现有明确和天生模子以抵达极致的性能。

香港中文大学 MMLab 和美团的研究者相信，在不久的未来统一模子的性能一定能够抵达单使命的水平，但同时也引起了他们的思索，现在通过拆解架构换取性能提升的方法真的是准确的吗，它是否背离统一模子的初志，它能够提升性能的内在缘故原由又是什么，这种方法真的是统一模子必需的吗？

「统一模子的初志」以及「架构解耦的弱点」

统一明确天生模子的初志是为了通过透明化、合理化的图文交织思索历程，提高单使命的性能，例如让模子走迷宫时统一模子可以天生每一步对应的图像，可以在模子做数学题的时间给图像画上辅助线，或者是在天生一张图像的时间边画边思索有没有天生不对理的地方并且自动修正，这些都是 Uni-MMMU 等目今统一模子基准所关注，也是它自己被自力成一个领域的初志。

再回到架构解耦的模子，例如 BAGEL 上，它自己若是要实现图文交织思索，需要履历隐空间解码到文字或者像素空间，然后再编码到隐空间的重大历程，两个使命也险些不在统一个模子空间中，具有盘算开销大、信息丧失两大问题。虽然在目今情形下相比于其可观的性能，这个问题似乎并不显著，可是研究者以为随着研究的举行，这会是一个很大的问题。

AIA: 模子架构解耦不是统一模子必需的

为了探讨清晰「架构解耦带来性能提升的内在缘故原由」以及「探索不使用架构解耦的条件下提升模子性能的方法」，香港中文大学 MMLab 和美团联合推出了 AIA。

论文问题：Architecture Decoupling Is Not All You Need For Unified Multimodal Model论文链接：https://arxiv.org/abs/2511.22663代码：https://github.com/zhengdian1/AIA网页：https://github.com/zhengdian1/AIA-project

研究者首先通过研究差别架构的统一模子在每一层网络中跨模态交互的强度，他们惊讶地发明不管怎样举行模子架构解耦，明确和天生使命在统一层网络中始终泛起负相关的关系，同时进一步验证了这个征象与输入的模态、长度和种别都没有关系，这说明是模子自觉在学习怎样合理地分派两个使命在每一层中的占比，从而「缓解冲突」，这又说明架构解耦实质上并没有解决使命之间冲突的问题。

研究者进一步在最后一列可视化了现在单使命 SOTA 的模子的多模态交互模式（HunyuanImage-3.0 虽然是统一模子，但更着重于天生效果），效果发明随着模子解耦水平的增强，其对应的跨模态交互模式会趋向于单使命的体现，这也是能够实现性能提升的主要缘故原由。

基于这个发明，研究者设计了Attention Interaction Alignment (AIA) 损失，通过将单使命模子的跨模态交互模式作为学习目的，在训练的历程中显式地约束统一模子的交互模式。

AIA 效果怎样？

研究者在 Emu3 和 Janus-Pro 这两种完全统一架构、稍微模子解耦架构上举行了实验，如下表所示，效果批注本文的要领能够在没有任何其他 trick 的情形下提升这些模子的性能，减小了与更高解耦水平模子的差别。

同时，研究者给出了使用 AIA 损失之后 Emu3 和 Janus-Pro 跨模态交互模式曲线转变，可以发明加入了 AIA 损失之后，两个模子的交互曲线都向单使命模子的体现靠近了，既证实晰 AIA 损失的有用性，同时也说明晰模子架构解耦不是唯一能够提高统一模子性能的方法。

虽然，研究者也认可在现在情形下完全统一的要领和高解耦水平的模子之间保存很大的差别，但正如 Emu3.5 的泛起，他们以为这个差别会越来越小。因此，研究者呼吁更多的人抛开表层的框架和数据配比，深入研究统一模子的使命冲突问题，寻找更优的解法。

AIA 好训吗？

由于 Emu3 只有预训练 (PT) 阶段是统一训练的，因此研究者在其 PT 权重上举行微调，而 Janus-Pro 给的是最终 SFT 微调后的权重，研究者在此基础上举行后训练。

研究者通过调解 AIA 损失与 next-token-prediction (NTP) 损失的比重来测试其微调的敏感度，效果发明训练 Emu3 的时间由于其预训练知识较量薄弱，AIA 损失在一个很大的规模内都能抵达稳固收敛的效果。而在 Janus-Pro 中，由于其自己预训练知识很强，AIA 的加入很是容易影响模子训练，但在合适的比重情形下仍然能够抵达不错的效果。

AIA 有什么优势？

AIA 损失的加入可以一定水平上镌汰现在常见的数据配比工程问题，本文的要领在天生与明确数据配比在 1:1 的情形下能够抵达更好的效果，这说明在一定水平上两个使命的训练不再是冲突的，爆发了协同优化的效果。

统一模子训练的准确蹊径是什么？

通过连系现在所有统一模子训练的问题以及本文的实验剖析，可以发明不管怎样解耦模子，其始终会在统一训练的历程中动态分派差别使命在统一层的权重来缓解冲突，那这是否现实上代表了统一模子的准确行为？

另一条统一起径是移除所有可以用来区分使命的线索（即接纳统一分词器、消除使命相关特殊 token、使用交织数据数据输入），迫使模子只能从输入中学习真正的统一空间。虽然这种要领或允许以解决使命间的负相关问题，但也会显著增添训练难度。

未来展望

AIA 迈出了统一模子训练原理剖析的第一步，研究者希望能够有更多志同志合的研究者加入这个领域的探索。统一模子现在的理论、架构都远远没有到杀青熟，需要各人配合举行探索。同时研究者也希望各人能够越发关注统一模子真正的意义，不要一味地关注目今单使命基准上的性能。