智源研究院：智源多模态大模型登Nature，生成式人工智能路线统一到自回归

背景：生成式人工智能浪潮中，语言大模型通过自回归路线取得突破，但多模态模型长期依赖对比学习、扩散模型等专门路线，自回归能否统一多模态学习成为关键科学问题。研究目的：智源研究院提出Emu3多模态大模型，旨在验证仅采用“预测下一个词元”的自回归框架能否作为通用范式，统一多模态的生成与感知任务。结论：研究表明，Emu3仅基于自回归路线，在文本、图像和视频的统一学习中实现了与专门路线相当的性能，证实了自回归作为生成式人工智能统一路线的可行性，为多模态智能系统奠定了坚实基础，后续Emu3.5版本进一步升级为“预测下一个状态”，展现出世界建模能力。