MOSS-Image 技术报告提出一套面向图文密集场景的生成系统。团队从头训练 5B 扩散 Transformer，并用意图感知的提示增强模块，把用户要求展开成内容和版式细节。
研究同时提出中英文长文本和复杂布局评测。作者报告了文字覆盖率等结果，并表示将公开模型、训练方法与评测框架；技术报告中的计划不应直接当作所有资产已经可下载。
MOSS-Image 瞄准长文字与复杂版式生成
MOSS-Image 技术报告提出一套面向图文密集场景的生成系统。团队从头训练 5B 扩散 Transformer，并用意图感知的提示增强模块，把用户要求展开成内容和版式细节。