发生了什么
苹果机器学习团队提出STARFlow2，一种统一的多模态生成框架，旨在解决现有模型在理解、推理和生成交错文本-图像序列时的结构碎片化问题。
现有方法要么通过离散标记化牺牲视觉保真度，要么结合因果文本生成与迭代扩散去噪导致结构不对称，或在将视觉-语言模型适配为生成模型时降低预训练理解能力。
STARFlow2观察到自回归归一化流与自回归Transformer具有相同的因果掩码、KV缓存机制和从左到右结构，因此可无缝集成到大型语言模型中。
为什么重要
该框架可能为多模态AI提供更统一的架构，减少对离散标记或扩散模型的依赖，从而提升生成图像的质量和一致性。
通过利用自回归归一化流的数学特性，STARFlow2有望在保持语言模型理解能力的同时，实现高效的图像生成，推动多模态系统在实际应用中的部署。
关键事实
STARFlow2由苹果机器学习团队于2026年8月25日发布。
现有方法存在结构碎片化问题，包括视觉保真度损失、结构不对称和预训练能力退化。
自回归归一化流与自回归Transformer共享因果掩码、KV缓存和从左到右结构。
接下来看什么
关注STARFlow2在图像生成质量上与扩散模型的对比结果，以及其在不同多模态任务上的泛化能力。
观察该框架是否能简化多模态模型的训练流程，并促进更高效的推理。