arXiv · cs.AI· Zhengyang Luo, Xiaoyu Qiu, Zhiheng Tan, Yuchen Liang, Yingbin Liang, Liyue Shen·· 8 小时前
统一VLM的条件处理：从注意力探针到HeadTuned-CFG引导调优
Understanding Unified VLMs: From Attention Probing to Guidance Tuning for Multimodal Generation
arXiv:2610.15227v1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：Zhengyang Luo, Xiaoyu Qiu, Zhiheng Tan, Yuchen Liang, Yingbin Liang, Liyue Shen
研究任务与主要进展
基于论文摘要，作者通过逐个探查注意力头，研究统一VLM在文本生成图像和图像生成文本任务中处理不同条件引导的方式，并提出推理时方法HeadTuned-CFG。该方法利用识别出的条件变化敏感注意力头，在注意力头层面选择和调节条件引导，无需额外训练；实验在自回归和掩码扩散两类统一VLM的两个生成方向上均报告一致收益，其中文本生成图像相对强基线的改进较大。
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