论文提出BRAID，将文本生成、图像生成与多轮交错推理建模为统一的马尔可夫决策过程。方法使用共享的轨迹级优势，同时优化文本token和图像去噪路径，并由视觉语言模型评估中间图像的推理效用，为长程信用分配提供更密集的反馈。
最近 24 小时暂无可用热度快照。