facebookresearch/tuna-2：以像素嵌入替代视觉编码器的官方实现

tuna-2 是 Facebook Research（Meta）发布的官方实现，核心做法是以像素嵌入替代传统视觉编码器，让模型直接从像素层面构建视觉表征，而不是依赖独立的编码器模块。这一路线对主流「视觉编码器加语言模型」的多模态架构是一次有对照价值的尝试，官方开源实现便于外部团队复现验证。仓库已单独建立，适合从事视觉表征与多模态架构研究的团队作为复现与改进的起点。