稀疏路由

状态混合：面向多模态生成的路由式 token 级动态

Mixture of States: Routing Token-Level Dynamics for Multimodal Generation

把跨模态融合从固定结构改为 token 级、随去噪时间步变化的可学习稀疏路由，可直接迁移到任何多模态扩散骨干（如 DiT）中替换固定的 cross-attention 融合层，在几乎不增加参数与算力的情况下提升文生图/编辑质量。