文生图进入R1时代：港中文MMLab发布T2I-R1，让AI绘画“先推理再下笔”

港中文MMLab团队 投稿 量子位 | 公众号 QbitAI "先推理、再作答"，语言大模型的Thinking模式，现在已经被拓展到了图片领域。 近日，港中文MMLab团队发布了第一个基于强化学习的推理增强文生图模型：T2I-R1。 △ 文生图进入R1时刻：港中文MMLab发布T2I-R1 大家都知道，OpenAI o1和DeepSeek-R1这类的大语言模型（LLMs），已经在解数学题和写代码这些需要"动脑筋"的事情上面展现出了较 高的水平。 这些模型通过强化学习（RL），先使用全面的思维链（CoT）逐步分析问题，推理后再提供答案。 这种方法大大提高了答案的准确性，很适合用于处理一些复杂问题。 同理，如果能把强化学习应用在图片理解的多模态大模型中（LMMs），像是图片理解或者文生图这样的任务就能解决得更加出色。 想法是好的，但在实际操作中总会碰到一些问题： 比如，该如何将语义和生成结合起来，让语义理解服务于图像生成？ 又比如，如何对图像生成的结果进行质量评估，让模型在生成中学习？ 目前 CoT推理策略如何应用于自回归的图片生成 领域仍然处于探索阶段，港中文MMLab之前的工作Image Generation ...