标签
IntReal 提出了 IntReal-100K——一个真实世界的多模态交错数据集，以及一套七维度评估体系，用于诊断统一多模态模型的性能，表明针对特定模态的训练可以提升交错文本-图像生成能力。
InterleaveThinker 引入了一种多智能体流水线，包含规划器和评论家智能体，使现有图像生成器具备交错文本-图像生成能力，其性能与最先进模型相当，并提升了推理基准测试成绩。