待验证50% 置信事实精确时间
统一多模态模型（UMMs）在利用语言链式思维（CoT）辅助图像生成时表现不佳，无法继承大语言模型中的测试时缩放与细粒度可控性。
1
来源数
50%
置信度
长期有效
时效性
2026/11/2
首次发现
来源
涉及实体
相关事实
待验证统一多模态模型（UMMs）的核心特征是单一模型同时具备视觉理解、文本理解与图像生成等多任务能力，代表性工作包括 Chameleon、Transfusion、Janus 等。71% 相似待验证大语言模型采用自回归生成机制，在生成token时使用单向前向注意力，无法进行全局类型校验，易产生API幻觉67% 相似待验证研究结论认为模型能够捕捉局部形式模式，却难以完成稳健语言-美学推理所需的全局层级规划66% 相似待验证即便加入思维链（CoT）提示，模型仍无法稳定地忽略无关图片，说明让模型说明推理过程不等同于让模型遵守标注约束66% 相似待验证这篇arXiv论文指出，如果只用孤立的三元组训练大语言模型，模型往往学不到三元组周边的上下文，而这些上下文是多跳推理所必需的64% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1125572API
curl https://kongchang.com/api/v1/knowledge/claims/1125572MCP
get_claim(id=1125572)