TY  - UNPB
TI  - LLaDA-Image: Building Strong Image Generators with Fully Open Training Recipes
UR  - https://arxiv.org/abs/2609.03796
DA  - 2026-09-03
AU  - Chen, Chuyan
AU  - Chen, Haoxing
AU  - Chen, Kun
AU  - Cheng, Zhenglin
AU  - Cui, Long
AU  - Fang, Ruishan
AU  - Gu, Zhangxuan
AU  - Huang, Zhicheng
AU  - Lan, Zhenzhong
AU  - Lei, Yuanting
AU  - Li, Haoquan
AU  - Li, Jianguo
AU  - Li, Rongchuan
AU  - Li, Sidu
AU  - Lin, Tao
AU  - Liu, Deyuan
AU  - Liu, Jiacheng
AU  - Liu, Lin
AU  - Lou, Yuxuan
AU  - Lu, Zhisheng
AU  - Ma, Yuxin
AU  - Shen, Shuheng
AU  - Sun, Peng
AU  - Wang, Chaoyang
AU  - Wang, Hongjun
AU  - Wang, Xiaomei
AU  - Wang, Yongxin
AU  - Wu, Chengzhang
AU  - Wu, Hongru
AU  - Xie, Jun
KW  - 图像生成
KW  - 待阅读
KW  - 补看
N1  - 以下为2026-09-06期已核验稿件的阅读笔记，保留当时的证据与判断，不代表后续研究已确认。  🖼️ 04 / LLaDA-Image 开放权重，先学图像再学文字  **图像生成与编辑 · 8/10 · 近期补看：9 月 4 日开放权重 · 持续观察**  inclusionAI 已发布 LLaDA-Image 的 Base、Turbo 权重与推理代码。模型支持图像生成和指令编辑，生成部分采用 6B 参数的扩散 Transformer。其训练路线有一个值得注意的选择：前期先通过纯图像学习视觉规律，后续再加入图文配对监督和生成、编辑联合训练。  Turbo 版本经过蒸馏，论文报告可用 2–4 步采样，仓库示例推荐 4 步。这降低了反复生成和修改时的计算步骤，但采样步数不等于端到端耗时，实际速度还取决于硬件、分辨率和整条推理流程。  项目列出了 Qwen-Image-Bench 上的领先成绩，目前应当视为作者自报，不能据此认定它在所有风格和编辑任务上都更好。开放程度也要分开看：**权重和推理代码已经有了，训练配方写在论文里，训练代码仍标为待发布。** 后续更值得看社区能否复现质量，以及中文细节、显存占用和连续编辑的实际表现。  [官方仓库与发布记录](https://github.com/inclusionAI/LLaDA-Image) · [技术论文](https://arxiv.org/html/2609.03796v1) · [Turbo 权重](https://huggingface.co/inclusionAI/LLaDA-Image-Turbo)  入选理由：9月4日实际开放权重和推理代码；训练代码待发布，采样步骤不等于实际耗时。  论文原始日期：2026-09-03；本期归档日期：2026-09-06。 本期资料：https://www.asteronline.cn/juju-radar/2026-09-06/ AI辅助整理。
ER  -