突破双重瓶颈：将统一多模态模型演化为自适应交错视觉推理器

针对统一多模态模型中存在的“理解 - 生成鸿沟”，本文提出一种新框架，使模型能根据指令复杂度自主切换生成策略。通过构建包含直接生成、自我反思及多步规划三种自适应模式的层级数据流水线，解决注意力纠缠与视觉 refinement 瓶颈。研究构建了超 5 万样本数据集，采用 SFT 与 RL 两阶段训练，设计逐步推理奖励以确保逻辑一致性。实验表明，该方法在各类 X2I 任务中显著优于基线，实现了高保真度的图像生成。