标签
LOWN 为扩散视觉语言模型引入了证书引导的视觉路由机制：当仅基于文本的预测与基于图像条件的预测一致时，跳过图像处理，在十个基准上以 35.3% 的解码 FLOPs 保留了 LLaDA-V 99.6% 的性能分数。