北大 + 腾讯混元联合团队开源 GEAR(Guided End-to-End AutoRegression for Image Synthesis),通过 dual read-out 架构让 VQ tokenizer 和 AR 生成器真正端到端联训,在 ImageNet 上把 gFID 收敛速度推到 LlamaGen-REPA 基线的约 10 倍,并把对齐成本从 tokenizer 端转嫁到 AR 端,为下一代开源视觉生成模型提供了改动极小、可直接落地的训练范式。
北大 + 腾讯混元联合团队开源 GEAR(Guided End-to-End AutoRegression for Image Synthesis),通过 dual read-out 架构让 VQ tokenizer 和 AR 生成器真正端到端联训,在 ImageNet 上把 gFID 收敛速度推到 LlamaGen-REPA 基线的约 10 倍,并把对齐成本从 tokenizer 端转嫁到 AR 端,为下一代开源视觉生成模型提供了改动极小、可直接落地的训练范式。