Intern Lumina U2 多码本扩散语言模型论文发布

2026年10月16日，arXiv Computer Vision 刊出 Qian Yu 等作者的论文，提出 Intern Lumina U2。据该论文，这是其认知中首个在完全离散空间表示多码本视觉 token 的扩散语言模型：每个视觉位置由来自互补码本的一组码表示，输入时嵌入向量按位置拼接，输出端由轻量多码本自回归头逐位预测码，扩散主干并行处理所有位置。论文称，该模型基于 AToken 的统一 4D 表示，在单一主干内支持图像、视频和 3D 输入，在视觉理解、图像生成和图像编辑上取得统一模型中的领先性能；作者还在 Ascend 与 NVIDIA 平台上搭建了全栈训练、推理与评估系统以验证跨平台有效性，并通过稳定性感知采样策略（置信度平台引导的解掩码与漂移触发的缓存刷新）将图像生成加速 4.45 倍。目前进展停留在论文发布层面。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。