yaboilyrical 两年后训练实践：不用扩散头，Transformer 直接生成音频

yaboilyrical 发布长文，总结约两年后训练经验，说明可在不依赖扩散头的情况下，直接后训练 vanilla Transformer 生成音频。文章聚焦 post-training 多模态 LLM 的真实工作原理与踩坑，为多模态及音频生成研究提供一手工程复盘。