已收录文章摘要，完整内容可前往原文阅读。
作者丨科技猛兽 编辑丨极市平台极市导读 直觉上，视觉编码器越强模型应该越好——但TUNA-2的实验结论颠覆了这一认知：逐步去掉VAE和Representation Encoder，只保留一个Patch