统一多模态模型（Unified Multimodal Models, UMMs）将视觉理解与生成能力整合于单一架构之中。然而，传统的训练方法依赖于图像-文本对（或序列），其描述通常较为稀疏，难以捕捉精细的视觉细节——即使使用数百个词描述一张简单的图像也是如此。为此，我们提出一种资源高效的后训练方法——重建对齐（Reconstruction Alignment, RecA），该方法利用视觉理解编码器的嵌入向量作为密集的“文本提示”，在无需标注文本的情况下提供丰富的监督信号。具体而言，RecA以模型自身的视觉理解嵌入为条件，通过自监督重建损失优化模型，使其重建输入图像，从而实现理解与生成能力的重新对齐。尽管方法简洁，RecA具有广泛的适用性：在自回归、掩码自回归以及基于扩散模型的各类UMM中，均能一致提升生成与编辑的保真度。仅需27个GPU小时的后训练，RecA便显著提升了GenEval（从0.73提升至0.90）和DPGBench（从80.93提升至88.15）上的图像生成性能，同时在图像编辑基准测试中也取得明显进步（ImgEdit从3.38提升至3.75，GEdit从6.94提升至7.25）。值得注意的是，RecA的表现超越了许多参数量更大的开源模型，并适用于多种多样的UMM架构，展现出高效且通用的后训练对齐潜力，为统一多模态模型的发展提供了一种强有力的新策略。