技术博客

近日，由Meta、西北大学与新加坡国立大学等机构共同开展的一项研究，揭示了多模态大型语言模型（MLLMs）的新突破。研究团队提出了一种名为TokenShuffle的技术，通过减少视觉Token数量有效降低了计算成本，同时显著提升了图像合成效率。借助该技术，模型首次在自回归框架下实现了2048×2048分辨率的高精度图像生成。此外，华人第一作者还展示了类似GPT-4o的技术在扩散模型中的应用，其性能已超越当前行业领先水平。