统一多模态模型的免费午餐：通过具有内在理解的反射修正增强生成

统一多模态模型旨在整合视觉理解与生成，但存在理解能力显著优于生成能力的错配问题。受人类“边想边画”范式启发，本文提出 UniRect-CoT，一种无需训练的统一修正思维链框架。该方法利用模型固有的强大理解能力作为自监督信号，在扩散去噪这一内在视觉推理过程中持续反思并修正中间结果，使其与指令对齐。实验表明，该框架能显著提升现有模型在复杂任务中的生成质量。