text-image

介绍BIT，这是一种双向图像-文本扩散桥接，能够直接从文本标记转换为图像，反之亦然，支持跨模态的标题调整和结构保留。

BRAID是一个框架，它将交错文本-图像-文本推理形式化为统一的马尔可夫决策过程，通过强化学习实现文本和视觉生成的联合优化，并由VLM裁判提供密集的轮次级反馈。