Multimodal Flow：在嵌入空间统一语言与视觉的流建模

Multimodal Flow 提出一种全连续的多模态生成模型，将文本块与图像组织为有序连续 hyperchunk，通过共享 chunk-causal flow backbone 和 Flow Matching 学习统一向量场，并用联合注意力实现跨模态交互。