arXiv · cs.AI· Feize Wu, Zhiyuan Yan, Yuhuan Hong, Yuwei Niu, Zongjian Li, Zheyuan Liu, Bin Lin, Jinbo Yan, Jie Qin, Xudong Mao, Limeng Qiao, Guanglu Wan, Li Yuan·· 7 小时前
ReasonUni提出推理增强重建后训练框架提升统一多模态模型
ReasonUni: Reasoning-Augmented Reconstruction Advances Unified Multimodal Models
arXiv:2610.20781v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Feize Wu, Zhiyuan Yan, Yuhuan Hong, Yuwei Niu, Zongjian Li, Zheyuan Liu, Bin Lin, Jinbo Yan, Jie Qin, Xudong Mao, Limeng Qiao, Guanglu Wan, Li Yuan
研究任务与主要进展
基于论文摘要，作者提出ReasonUni，将图像编辑指令下的目标状态推理与图像生成结合，用于统一多模态模型的重建式后训练。框架引入TreeGRPO，对多条推理路径及候选图像聚合视觉奖励并联合优化两个模块；摘要称在多个基准上同时提升了图像理解和图像生成。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org