以下为上游提供的源文稿，可能存在识别错误。
乔木转写是基于源文稿的中文提炼，不是逐字翻译。请核对原文中的人名、数字与观点。
选一篇，慢慢读
从左侧挑一篇，正文会在这里排成书页。
Unified Multimodal Models (UMMs) achieve remarkable success on diverse multimodal understanding and generation tasks, yet they still struggle to effectively leverage language-based chain-of-thought reasoning for image generation. As a result, existing reasoning-augmented UMMs often fail to inherit the test-time scaling
阅读原文 · Byungwoo Jeon, Yoonwoo Jeong, Hyunseok Lee, Minsu Cho, Jinwoo Shin
向阳乔木 · opencode-go/deepseek-v4.1-flash
统一多模态模型（UMM）在图像理解和生成上已经做得不错，但让它用语言链式思考来指导画图，效果一直不理想。这篇论文把这个失败归因到一个很具体的地方： 推理发生在离散 token 空间，图像生成发生在连续空间，两边对不上。 这个判断值得看。因为它不只是在现有模型上加推理模块，而是质疑“把 LLM 那套 token 推理直接搬到图像生成”这条路本身。 论文提出的方...