人工智能领域正经历一场前所未有的革新，特别是大型语言模型（LLMs）在多模态任务中的表现令人瞩目。尽管这些模型在理解和生成语言方面展现出非凡能力，但它们的推理过程大多受限于自回归（AR）架构，缺乏必要的灵活性和多样性。针对这一挑战，香港大学携手华为诺亚方舟实验室，共同推出了一款革命性的模型——FUDOKI。
FUDOKI的核心亮点在于其独特的非掩码离散流匹配（Discrete Flow Matching）架构，这一创新彻底颠覆了传统自回归模型的运作模式。通过引入并行去噪机制，FUDOKI实现了信息的双向整合，从而在复杂推理和生成任务中取得了显著的性能提升。更重要的是，该模型成功地将图像生成与文本理解两大领域相融合，实现了前所未有的统一建模。
FUDOKI的去掩码设计赋予了生成过程前所未有的灵活性。在推理阶段，该模型能够动态调整生成结果，这一特性使其更接近人类的思维方式。在图像生成方面，FUDOKI的表现尤为抢眼。在Geneval基准测试中，它以0.76的高分超越了同尺寸的自回归模型，展现了卓越的生成质量和语义准确性。
FUDOKI的成功构建离不开度量诱导的概率路径和动力学最优速度等先进技术的支持。这些技术使模型能够在生成过程中综合考虑每个token的语义相似性，从而生成更加自然流畅的文本和图像。在模型训练方面，FUDOKI巧妙地利用预训练的自回归模型进行初始化，不仅降低了训练成本，还显著提高了训练效率。
FUDOKI的推出标志着多模态生成和理解领域的一次重大突破，同时也为通用人工智能的发展奠定了更加坚实的基础。这款模型的出现无疑将激发更多关于人工智能技术的探索和创新。
