Buchumschlag

OneCAT: Decoder-Only Auto-Regressive Model for Unified Understanding and Generation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Li, Han, Peng, Xinyu, Wang, Yaoming, Peng, Zelin, Chen, Xin, Weng, Rongxiang, Wang, Jingang, Cai, Xunliang, Dai, Wenrui, Xiong, Hongkai
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Towards Holistic Modeling for Video Frame Interpolation with Auto-regressive Diffusion Transformers
von: Peng, Xinyu, et al.
Veröffentlicht: (2026)

Noise Conditional Variational Score Distillation
von: Peng, Xinyu, et al.
Veröffentlicht: (2025)

FIRE: Flexible Integration of Data Quality Ratings for Effective Pre-Training
von: Xu, Liangyu, et al.
Veröffentlicht: (2025)

Unlocking Implicit Experience: Synthesizing Tool-Use Trajectories from Text
von: Xu, Zhihao, et al.
Veröffentlicht: (2026)

HiPART: Hierarchical Pose AutoRegressive Transformer for Occluded 3D Human Pose Estimation
von: Zheng, Hongwei, et al.
Veröffentlicht: (2025)

LinkQA: Synthesizing Diverse QA from Multiple Seeds Strongly Linked by Knowledge Points
von: Zhang, Xuemiao, et al.
Veröffentlicht: (2025)

Large-Scale Diverse Synthesis for Mid-Training
von: Zhang, Xuemiao, et al.
Veröffentlicht: (2025)

UMG-CLIP: A Unified Multi-Granularity Vision Generalist for Open-World Understanding
von: Shi, Bowen, et al.
Veröffentlicht: (2024)

Multi-Objective and Mixed-Reward Reinforcement Learning via Reward-Decorrelated Policy Optimization
von: Bai, Yang, et al.
Veröffentlicht: (2026)

Length Desensitization in Direct Preference Optimization
von: Liu, Wei, et al.
Veröffentlicht: (2024)

Speculative Decoding via Early-exiting for Faster LLM Inference with Thompson Sampling Control Mechanism
von: Liu, Jiahao, et al.
Veröffentlicht: (2024)

Preference Curriculum: LLMs Should Always Be Pretrained on Their Preferred Data
von: Zhang, Xuemiao, et al.
Veröffentlicht: (2025)

FRAME: Boosting LLMs with A Four-Quadrant Multi-Stage Pretraining Strategy
von: Zhang, Xuemiao, et al.
Veröffentlicht: (2025)

Expanding Reasoning Potential in Foundation Model by Learning Diverse Chains of Thought Patterns
von: Zhang, Xuemiao, et al.
Veröffentlicht: (2025)

Libra: Assessing and Improving Reward Model by Learning to Think
von: Zhou, Meng, et al.
Veröffentlicht: (2025)

A Survey on LLM Mid-Training
von: Tu, Chengying, et al.
Veröffentlicht: (2025)

METEOR: Multi-Encoder Collaborative Token Pruning for Efficient Vision Language Models
von: Liu, Yuchen, et al.
Veröffentlicht: (2025)

Improving Diffusion Models for Inverse Problems Using Optimal Posterior Covariance
von: Peng, Xinyu, et al.
Veröffentlicht: (2024)

APAR: LLMs Can Do Auto-Parallel Auto-Regressive Decoding
von: Liu, Mingdao, et al.
Veröffentlicht: (2024)

Making Mathematical Reasoning Adaptive
von: Lai, Zhejian, et al.
Veröffentlicht: (2025)

Graph-Structured Speculative Decoding
von: Gong, Zhuocheng, et al.
Veröffentlicht: (2024)

Information-Theoretic Optimization for Task-Adapted Compressed Sensing Magnetic Resonance Imaging
von: Peng, Xinyu, et al.
Veröffentlicht: (2026)

LANG: Reinforcement Learning for Multilingual Reasoning with Language-Adaptive Hint Guidance
von: Fan, Yuchun, et al.
Veröffentlicht: (2026)

Parameter-efficient Fine-tuning in Hyperspherical Space for Open-vocabulary Semantic Segmentation
von: Peng, Zelin, et al.
Veröffentlicht: (2024)

InfinityStar: Unified Spacetime AutoRegressive Modeling for Visual Generation
von: Liu, Jinlai, et al.
Veröffentlicht: (2025)

Parallel Decoding via Hidden Transfer for Lossless Large Language Model Acceleration
von: Wu, Pengfei, et al.
Veröffentlicht: (2024)

Frequency-Aware Transformer for Learned Image Compression
von: Li, Han, et al.
Veröffentlicht: (2023)

MimicNorm: Weight Mean and Last BN Layer Mimic the Dynamic of Batch Normalization
von: Fei, Wen, et al.
Veröffentlicht: (2020)

LauraTSE: Target Speaker Extraction using Auto-Regressive Decoder-Only Language Models
von: Tang, Beilong, et al.
Veröffentlicht: (2025)

SpanNorm: Reconciling Training Stability and Performance in Deep Transformers
von: Wang, Chao, et al.
Veröffentlicht: (2026)

Constrained Auto-Regressive Decoding Constrains Generative Retrieval
von: Wu, Shiguang, et al.
Veröffentlicht: (2025)

Interactive Character Control with Auto-Regressive Motion Diffusion Models
von: Shi, Yi, et al.
Veröffentlicht: (2023)

Investigating and Scaling up Code-Switching for Multilingual Language Model Pre-Training
von: Wang, Zhijun, et al.
Veröffentlicht: (2025)

Dynamic Fisher-weighted Model Merging via Bayesian Optimization
von: Lee, Sanwoo, et al.
Veröffentlicht: (2025)

Ltri-LLM: Streaming Long Context Inference for LLMs with Training-Free Dynamic Triangular Attention Pattern
von: Tang, Hongyin, et al.
Veröffentlicht: (2024)

Error-Propagation-Free Learned Video Compression With Dual-Domain Progressive Temporal Alignment
von: Li, Han, et al.
Veröffentlicht: (2025)

Turbocharge Speech Understanding with Pilot Inference
von: Wang, Rongxiang, et al.
Veröffentlicht: (2023)

Earlier Tokens Contribute More: Learning Direct Preference Optimization From Temporal Decay Perspective
von: Shao, Ruichen, et al.
Veröffentlicht: (2025)

Extinction profiles for the Sobolev critical fast diffusion equation in bounded domains. I. One bubble dynamics
von: Jin, Tianling, et al.
Veröffentlicht: (2024)

Cascade-Zero123: One Image to Highly Consistent 3D with Self-Prompted Nearby Views
von: Chen, Yabo, et al.
Veröffentlicht: (2023)