DeepSeek之后,又一中国大模型登Nature
智源研究院院长王仲远
到2025年10月，“悟界·Emu”系列已迭代出多模态世界模型。Emu3.5可以理解长时序、空间一致的序列，模拟在虚拟世界中的探索和操作，不仅超越谷歌Nano Banana等模型拿下多模态SOTA，并首次指明了“多模态Scaling 范式”，让模型自发学习世界演变的内在规律，为具身智能等物理AI领域发展提供了重要新路径。
Emu3.5延续了多模态数据统一建模的核心思想
Emu3为什么能够登上Nature正刊，得到国际学术界的高度认可？背后诞生了什么样的AI原创技术，并经历了什么样的挑战？这又将对学界和产业界的发展产生什么样的实际影响？本文试图对这些问题进行深入探讨。
论文名：
《通过预测下一个token进行多模态学习的多模态大模型（Multimodal learning with next-token prediction for large multimodal models）》
Emu3论文部分截图
一、50人小组死磕“统一”：一场押注AI未来的技术豪赌
Emu3模型最早立项是在2024年2月，当时正值团队重新审视大模型发展路径——随着GPT-4、Sora的爆火，“预测下一个token”自回归路线彻底改变了语言模型领域，并引发了关于AGI早期迹象的讨论，而在多模态生成领域，DiT（Difussion Transformer）架构成为主流，开始展现出令人惊艳的生成效果。
自回归技术路线是否可以作为通用路线统一多模态？一直是未解之谜。
Emu3的开创性，就在于仅采用“预测下一个token（NTP）”自回归路线，就实现统一多模态学习，训练出性能出色的原生多模态大模型。
[加西网正招聘多名全职sales 待遇优]
| 分享: |
| 注： | 在此页阅读全文 |
推荐: