智象未来团队提出全新层级自回归生成范式Hierarchical Masked Autoregressive models (Hi-MAR)，有效解决自回归图像生成中结构失真问题。该研究已被 ICML 2025 收录，并在多个图像生成任务中取得领先性能。

现有自回归图像生成模型存在缺乏全局结构建模能力、训练-推理分布不一致、尺度引导缺失等问题。Hi - MAR 借鉴人类绘画过程，采用自顶向下层次化生成范式，还引入多尺度联合训练策略等。实验显示，其在图像质量和语义一致性上优于主流方法，可以显著提升模型的全局感知能力与生成质量。

本次发表的论文《Hierarchical Masked Autoregressive Models with Low-Resolution Token Pivots》，展示了团队在多模态生成式基础架构设计领域的前沿探索。这一全新的层级自回归生成架构 Hi-MAR，为构建具备“全局感知 + 局部细化”能力的生成基础架构提供了新的范式，同时它也是 HiDream 系列开源模型家族重要的一员，为下一代多模态生成式基础架构的技术演进带来更多的可能性！