两阶段这套流程用久了就知道卡在哪：前面先出个粗结构，后面再精修，中间那道接缝一直是隐患，细节和一致性经常在第二段被悄悄带偏。北大和腾讯混元这回是冲着这个结构性毛病去的，能把两段拧成一股、或者至少让它们别互相拖后腿，方向我是认的，端到端本来就是大家想要的东西。
具体怎么实现的还得等更细的资料，我更关心一件事：实验室里指标好看，落地一跑会不会各种退化。
要真能稳住，工作流能省不少来回。
蹲一个技术细节
两阶段的接缝问题确实烦，尤其人物换姿势那下最容易崩
指标好看不代表能用，等开源了再说 
1 个赞
端到端听着爽，就怕显存要求又上天