機器之心● 精選AI 評分77
華中科大與地平線提出 Multimodal Flow 全連續多模態架構
華中科技大學王興剛團隊與地平線等機構提出 Multimodal Flow，讓語言和視覺各自保留在連續嵌入空間，共享同一個 Flow Matching 目標，無需視覺 Token 化，也無需維護兩套系統。他們從零預訓練的 1.6B 模型 MF-1 僅用 150B Tokens，在 GenEval 拿到 0.821、DPG-Bench 83.44，VQAv2 72.6、MMBench 67.2；