KAIST 等机构提出 LARC：连续潜空间推理实现统一多模态模型测试时扩展

KAIST/POSTECH 等机构提出 LARC，通过连续隐状态推理解决统一多模态模型的模态错配，支持图像生成的测试时扩展。训练分为课程式 SFT 与信息增益 RL 两阶段，后者可在无真值监督下推动模型自我进化。LARC 在 GenEval 上取得 SOTA，较 BAGEL 高 7 个百分点，并在并行与串行策略下均超过基于 token 的生成。