本文介绍了一种名为Transfusion的多模态模型训练方法，可以在离散和连续数据上进行训练。通过训练单个模型来预测离散文本token和扩散连续图像，实现了两种模态的完全集成。实验结果表明，Transfusion的扩展能力优于其他方法，并且可以生成与扩散模型和语言模型相媲美的图像和文本。该方法在基准测试中表现优秀，是一种有前途的多模态模型训练方法。