LLaDA2.0-Uni：统一多模态理解与生成的扩散式大语言模型

LLaDA2.0-Uni是原生统一的多模态理解与生成框架，基于离散扩散大语言模型架构，在单一模型中同时实现视觉理解和图像生成，解决传统多模态系统理解与生成任务分离的问题，开创下一代基础模型新范式。

传统多模态系统采用组合式架构（语言模型+视觉编码器+独立生成模型），存在表示空间不一致、训练目标分裂、无法原生支持交错式生成和推理等问题；近年尝试多为修补主导架构，难以实现真正统一。

基于离散扩散大语言模型（dLLM）原生构建多模态能力：1.完全语义离散分词器（文本用词汇表嵌入，图像用SigLIP-VQ离散化为语义token统一模态边界）；2.MoE增强扩散主干（稀疏激活适配多模态，块级掩码扩散统一训练目标）；3.扩散解码器（少步蒸馏优化快速重建像素图像）。

数据策划构建含图像-文本对、交错式多模态文档、编辑生成数据集的大规模数据，注重语义一致性；训练分四阶段：单模态预训练→多模态对齐→能力整合→场景微调。

通过前缀感知优化（理解任务前缀直接编码，仅生成部分扩散）和少步蒸馏解码器（压缩图像生成步骤至几步/单步）解决扩散模型推理慢问题。

多模态理解基准达最先进水平；图像生成遵循复杂提示，编辑精确可控；原生支持交错生成与推理，单一模型完成理解+生成流程，支持多轮对话、视觉思维链等新交互。

证明统一架构可行性，挑战传统认知；开源提供研究基础；简化企业部署维护，降低系统复杂度，改善用户体验。

当前仅支持图文模态，推理效率仍需提升；未来方向：扩展至视频/音频时序模态，扩大模型规模探索涌现能力，加强安全性与可控性。