**GAFU：利用生成侧表征解锁统一多模态模型的细粒度理解**

_What Generation Knows: Unlocking Fine-Grained Understanding in Unified Multimodal Models_

> 针对现有视觉语言模型在细粒度视觉理解上的不足，研究提出了 GAFU 框架。该框架通过压缩生成侧视觉表征为紧凑的 G 标记，将其转化为细粒度细节并供理解路径检索，从而无需显式生成即可利用生成侧信息。实验表明，GAFU 在多项基准测试中显著优于基于监督微调的基线，实现了最高 20% 的性能提升，有效促进了统一多模态模型中生成与理解的协同。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：ai-models
- **发布时间**：2026-10-23 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.23987)