LLaDA-V是中国人民大学高瓴人工智能学院、蚂蚁集团推出的多模态大语言模型（MLLM），基于纯扩散模型架构，专注于视觉指令微调。模型在LLaDA的基础上，引入视觉编码器和MLP连接器，将视觉特征映射到语言嵌入空间，实现有效的多模态对齐。LLaDA-V在多模态理解方面达到最新水平，超越现有的混合自回归-扩散和纯扩散模型。

LLaDA-baidu09V – 人大高瓴AI联合蚂蚁推出的多模态大模型 第1张
（图片来源网络，侵删）
LLaDA-baidu09V – 人大高瓴AI联合蚂蚁推出的多模态大模型 第2张
（图片来源网络，侵删）