HeadTuned-CFG：免训练提升统一VLM生成

Zhengyang Luo等作者提出推理时干预方法 HeadTuned-CFG，用于统一视觉语言模型的多模态生成。研究先探测注意力头，发现模型在文生图（T2I）与图生文（I2T）中均存在对条件变化敏感和不敏感的两类注意力头，且该模式跨样本稳定。 HeadTuned-CFG 据此在注意力头级别选择并调节条件引导，无需额外训练。作者称实验在统一 VLM 的两种生成方向上均取得一致收益，其中 T2I 生成相对强基线提升显著。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。