**Lance：通过多任务协同的统一多模态建模**

_Lance: Unified Multimodal Modeling by Multi-Task Synergy_

> 本文介绍了Lance，一个轻量级的原生统一模型，支持图像和视频的多模态理解、生成和编辑。该模型不依赖于扩大模型容量或以文本-图像为主导的设计，而是探索了一种通过协作多任务训练实现统一多模态建模的实用范式。其核心原则是统一上下文建模和解耦能力路径。Lance从头训练，采用双流混合专家架构处理共享的交错多模态序列，实现联合上下文学习的同时解耦理解与生成路径。它还引入了模态感知旋转位置编码，以减少异构视觉标记间的干扰并增强跨任务对齐。训练采用分阶段的多任务范式，结合面向能力的目标和自适应数据调度，以同时提升语义理解和视觉生成性能。实验表明，Lance在图像和视频生成上显著优于现有的开源统一模型，同时保持了强大的多模态理解能力。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：ai-models
- **发布时间**：2026-05-19 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2605.18678)