不吃图文对，那对齐信号从哪儿来？
LLaDA 这回在文生图上放的东西是两条：全扩散架构，以及预训练不依赖图文配对数据。第一条大家会先看到，我更在意第二条。
文生图这条线从头到尾都是靠图文对撑起来的，对齐就是地基，数据清洗和配对质量基本上把上限先画死了。真能绕开配对预训练，那就等于说对齐信号换了个来源，语言侧和视觉侧在同一个扩散框架里直接打通。这话听着挺顺，但越顺的说法我越想看消融——拿掉哪一块它会塌，塌成什么样，比论文里那几张对比图有用得多。
开源是好事。等我把训练代码从头读一遍再回来说话。
全扩散这个词现在用得有点滥，得看清楚到底是文本侧也扩散还是只有图像侧
mark
无需图文对我理解更多是不用额外配对语料，底座本身还是见过的，说法上有点取巧
开源文生图阵营终于不是只有那几个在撑了 
读完记得回来发帖，我这边卡不够跑不动