预印本称潜空间扩散可统一多模态推理，待复现

预印本Uni-LaDiR自报：在11个视觉语言基准上相对最强基线提升7.3%，在2个机器人操作套件上提升6.1%。

方法上，它把教师推理步骤经统一编码器映射为共享潜空间token，再用扩散模型预测下一块思维token，推理时不再依赖教师观测。这与常见的拼接模态专属token做法不同。

需要注意，全部数字为作者第一方评测，基线由作者选定，尚无独立复现；论文9月17日提交，9月23日更新至v2。