Exa Semantic Discovery· CCTest·原文 2026-10-02 08:00AI 评分41

HUST Vision Lab 提出 Multimodal Flow：用连续流统一语言与视觉

Multimodal Flow Unifies Language and Vision with Continuous Flow - CCTest

AI 导读

HUST Vision Lab 提出 Multimodal Flow，将文本与图像作为连续多模态表示在共享 Flow Matching 骨干中统一建模，并实例化为 MF-1，预训练规模为 0.6B、1.2B、1.6B。