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) integrate visual understanding, generation, and editing within a single unified framework. However, existing unified multimodal datasets and benchmarks remain dominated by single-turn tasks. Even in recent multi-turn datasets, many turns can be solved independently without tracking info
阅读原文 · Shengyu Wang, Tengyue Nong, Junming Liu, Haosong Peng, Siyu Li, Ruiqi Lei, Fushuo Huo, Yuhao Pan, Yunfeng Fan, Ding Wang, Nan Cheng, Haozhao Wang, Wenchao Xu
向阳乔木 · opencode-go/deepseek-v4.1-flash
多轮对话里，模型能不能记住上一轮改了什么、这一轮接着改？这个能力一直被多模态数据集糊弄过去了。YANAMI 就是来堵这个缺口的。 它做了一个 40 万条多轮多模态对话的数据集，外加 400 条对话的评测基准。核心要求只有一条： 每一轮都必须依赖前面几轮的状态，不能单轮独立解掉 。 这恰好是现在统一多模态模型（UMMs）最尴尬的地方。看图、生图、改图都能做，但...