英伟达发 NLD-Uni：一个模型同时理解与生成图像

英伟达 10 月 27 日发布 NLD-Uni（Nemotron-Labs-Diffusion-Uni），一个把图像理解与图像生成统一到同一骨干的扩散语言模型。它通过跨范式在策略蒸馏，把自回归 VLM 的视觉理解能力与连续流模型的视觉生成能力迁移到统一的离散扩散模型中；再通过渐进自精炼扩散——训练时逐步破坏每个 token 而非直接掩码——在推理时实现中间提交与渐进自精炼，提升图像质量。

模型基于 Nemotron 扩散语言模型，理解与生成使用同一多模态框架内不同的 Transformer 参数路径：理解分支把图像编码为连续视觉特征并生成文本回复，生成分支通过迭代扩散建模离散视觉 token 并解码为 RGB 图像。18B 参数，8 个 BF16 分片，NVIDIA Open Source License，已在 HuggingFace 公开，验证于 H100 80GB。代码在 NVlabs/Nemotron-Labs-Diffusion-Uni。

原文链接：英伟达官方模型卡