T-DIG 政策零样本迁移提升图像生成多样性

T-DIG 是一套面向图像生成的 LLM 政策方法。据 2026 年 10 月 28 日 AGI Hunt 报道，该方法实现了无需访问图像模型权重的零样本迁移：在开源模型上训练出的 LLM 政策可直接用于 GPT Image 2 和 Gemini，提升生成多样性，并配有可缩放效果的强度滑块。报道同时指出，该方法仍受图像模型自身能力限制，部分相机角度请求无法完成，后续可尝试解冻图像模型权重。与此前聚焦 T-DIG 政策自身效果相比，本次报道的重点转向其跨模型零样本迁移的可用性与局限。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。