ByteDance Seed가 통합 멀티모달 모델 (unified multimodal models)에서 VAE 병목 현상을 제거합니다.

그들의 기술인 표현 강제 (Representation Forcing)는 디코더 (decoders)가 픽셀 (pixels) 이전에 시각적 표현 (visual representations)을 예측할 수 있게 하여, 생성 (generation)과 이해 (understanding)가 하나의 엔드투엔드 (end-to-end) 공간을 공유하도록 합니다.

디코더가 픽셀 이전에 자체적인 시각적 표현을 예측하도록 강제함으로써, 표현 강제 (Representation Forcing) 기술은 엔드투엔드 통합 멀티모달 모델의 품질 격차를 해소합니다.

논문 (Paper):
https://huggingface.co/papers/2605.31604

프로젝트 (Project):
https://yuqingwang1029.github.io/RepresentationForcing

Tencent가 방금 Hugging Face에 Universal Audio Tokenizer를 출시했습니다.

매끄러운 Audio-LLM 통합을 위해 일반적인 오디오 인지 (audio perception)와 언어적 정렬 (linguistic alignment)을 독특하게 결합한 소형 단일 코드북 (single-codebook) 모델입니다.