让AI像人类画家一样边画边想，港中文&美团让模型「走一步看一步」
针对文生图模型在复杂逻辑任务中表现不佳的问题，香港中文大学与美团等团队提出新范式TwiG，首次实现生成过程中文本推理与视觉绘制的交错进行。通过“生成-思考-再生成”循环，结合三阶段暂停、细粒度思维链引导与局部自我修正机制，在Zero-Shot、SFT及RL实验中均取得显著效果。基于Janus-Pro的TwiG-RL在T2I-CompBench++上表现媲美甚至优于Emu3、FLUX.1，验证了该方法在提升逻辑准确性与生成效率方面的潜力，且框架具备向视频、3D等方向扩展的可行性。来源：https://mp.weixin.qq.com/s/Bvr-ixLNuIIismHLIkxNdw
页:
[1]