Apple研究团队提出并预训练三模态掩码扩散模型

2026年10月14日，Apple Machine Learning Research团队发表论文，首次从头预训练了名为Tri-Modal Masked Diffusion Models (MDM)的三模态掩码扩散模型。该模型参数量为3B，使用了6.4T token的数据进行训练，可处理文本、图文和音频文本数据。研究在文本生成、文生图和文生音频任务上均取得强劲结果，并系统分析了多模态扩展规律、模态混合比例和噪声调度。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。