统一VLM注意力头分化，提出HeadTuned-CFG

Zhengyang Luo等作者提出免训练的推理时干预方法 HeadTuned-CFG，用于统一视觉语言模型（VLM）的双向多模态生成。该方法在注意力头级别选择并调节条件引导，在自回归与掩码扩散两类统一 VLM 的 T2I 与 I2T 生成上均报告一致提升，其中 T2I 生成显著优于强基线。 该方法的依据是作者通过探测注意力头发现：统一 VLM 在 T2I 与 I2T 生成中均存在对条件变化敏感与不敏感的两类注意力头，这一功能分化模式跨数据样本稳定。HeadTuned-CFG 即利用这种条件变化感知能力来筛选和调节引导。上述提升为论文报告结果。

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。