多模态生成模型综述修订版发布

Longzhen Han 等作者发布了多模态生成模型综述的修订版，将图像、音乐、视频、人体动作、3D 物体等六类文本条件生成模态分类，并考察自监督学习、MoE、RLHF 与 CoT 提示四类技术在各模态上的适配方式，区分共享机制与实验支持的收益。 综述围绕忠实性、组合性与鲁棒性组织评估，指出偏好提升未必改善文本相关性、奖励优化可能降低同一提示内的多样性，专家粒度会改变机制及存储、计算与运行时成本。文章还分析了偏见、隐私泄露与生成媒体滥用等可信风险及缓解策略证据。

AI 根据报道生成 · 54 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。