ECCV 2026 | 浙大&阿里达摩院等提出Lumos-Nexus：频域桥接破解视频统一模型训练痛点，84.12分刷新VBench

已收录文章摘要，完整内容可前往原文阅读。

“理解与生成统一”已成为多模态大模型演进的核心趋势：让视觉语言大模型（VLM）充当“认知大脑”，先深入推演物理时空因果，再指挥下游扩散模型精准生成连贯画面。然而在视频领域，这一范式常陷入“鱼与熊掌不可