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。
Discrete autoregressive modeling, notably through next-token prediction, has become a cornerstone of modern language models. Extending this paradigm to vision allows visual and language models to converge on a unified framework, thereby fostering shared methodology and infrastructure. This work investigates a central q
阅读原文 · Xiaotong Li, Zhengrong Yue, Xu Huang, Jialv Zou, Minhao Jing, Wenhao Yan, Haodong Li, Hai Huang, Bo Zhao, Yan Feng, Peng Pei, Xunliang Cai
向阳乔木 · opencode-go/deepseek-v4.1-flash
视觉能不能像语言一样，用一套离散词表统一表示？这篇论文给出的答案是：可以，而且这套离散码能同时支撑理解、生成和编辑。 dNaViT 想做的事，是给视觉找一个“通用货币”。如果视觉也能被切成类似 token 的离散单元，视觉模型和语言模型就能共用一套方法论和基础设施。这个方向不算新，但这篇论文把问题推得更远：一个有限的离散词表，究竟能承载多少视觉世界的丰富性。...