长期困扰多模态AI的视觉理解与生成“内耗”问题，因模块目标冲突而生。北大团队的UAE框架借鉴自编码器理念，通过将理解与生成统一为“重构相似度”这一核心KPI，并辅以三阶段训练策略，成功实现了两者的协同互利，为构建更高效、更接近人类认知的通用多模态AI系统开辟了新路径。