把世界喂给模型：深入浅出「离散 vs 连续」文字天生离散，世界天生连续。图像和声音进入大模型之前，要么被翻译成「字」（离散 token），要么保持为「向量」（连续特征）。这道每个多模态模型都绕不开的选择题，答案正在收敛：理解用连续，生成用离散，必要时混合或解耦。