👋 您好，欢迎向 MindSpeed MM 提交 Issue！
我们已收到您的反馈，感谢你对开源社区的支持。🎉
📅 处理时效： 维护团队将在 24 小时内 查看并回复您的问题（工作日）。
🚨 紧急联系： 如果您的问题非常紧急，可通过微信联系我们。
请确保 Issue 描述清晰，包含复现步骤和日志，这将帮助我们更快定位问题。谢谢！

您好，感谢您对昇腾多模态训练能力的关注与细致反馈！
关于 issue 中提到的几点，我们核实后认为与当前 MindSpeed-MM 的实际能力存在一定出入，这里先做几点澄清与说明：

1. 关于"只涵盖理解、缺少生成训练方案"
   MindSpeed-MM 并非仅支持理解类模型，生成侧已有完整支持，例如 Wan2.2、LTX2.3 等 DiT 类生成模型均已提供训练示例与配置，覆盖文生视频、图生视频等生成类任务。因此"代码完全无法复用、缺少生成训练方案"的表述与实际情况不符。如您关注的是特定的文生图 / 图生图模型，烦请指明具体的模型名称与任务形态，我们据此判断是否已在支持范围内或纳入后续规划。
2. 关于"缺少 LoRA 微调 / LoRA-Distill 实现"
   当前 Qwen3.5 等模型已支持 LoRA 微调。该项描述较为笼统，为便于我们准确评估，恳请您补充：具体是哪个模型 / 哪条训练链路不支持 LoRA？以及期望的 LoRA-Distill 具体形态（如教师-学生蒸馏、低秩适配训练等）。如确有模型缺失对应能力，我们会记录并排期。
3. 关于"缺少理解与生成统一的部署方案"
   需要客观说明：理解与生成的统一训练/部署，目前业界尚无成熟、被广泛认可的开源方案，属于前沿探索方向，并非昇腾侧单点的能力缺失。我们也在持续跟进该方向的技术演进。
4. 关于 INT8 后训练量化校准策略
   该需求我们已记录。量化能力通常与具体模型结构、量化工具链版本强相关，如您有明确的落地场景，欢迎补充目标模型与精度要求，便于我们评估优先级。
   综上，建议本 issue 按"待补充具体信息"处理。烦请您针对上述第 1、2 点补充具体模型名称与场景，我们将据此判断是否作为需求推进，并给出针对性的方案或替代建议。
   再次感谢您的反馈与对社区的贡献，期待您的补充信息。祝您工作顺利、生活愉快！