[논문리뷰] Can Visual Generation Expand What Unified Multimodal Models Know?본 연구는 UMM이 image generation을 통해 습득한 시각적 지식이 실제 언어 모델의 추론(textual answer)에 얼마나 효과적으로 전이되는지를 규명하고자 합니다.#Review#Unified Multimodal Models#Knowledge Transfer Probing#Text-to-Image#Visual-Language Alignment#Multimodal Co-training#Visual Chain-of-Thought2026년 10월 18일댓글 수 로딩 중
[논문리뷰] InternVLA-A1.5: Unifying Understanding, Latent Foresight, and Action for Compositional Generalization본 논문은 기존 VLA 모델들이 직면한 Semantics Erosion(사전 학습된 백본의 의미론적 지식 저하), Heterogeneous Objective Interference(서로 다른 학습 목적 간의 간섭), 그리고 픽셀 단위의 미래 예측에 따른 높은 비용 문제를 해결하고자 합니다.#Review#Vision-Language-Action Models#Robot Manipulation#Latent Foresight#Compositional Generalization#Multimodal Co-training#Flow Matching2026년 7월 6일댓글 수 로딩 중