LiFT 循环Transformer省算力：FID 降3.34、推理省52%

阿姆斯特丹大学 Cees Snoek 团队等发布 LiFT（Loop Flow Transformers），一种流匹配 Transformer，通过在训练和推理时循环调用共享的 DiT 核心网络层来扩展计算量。该方法在减少约 60% 参数、节省 52% 推理算力的同时，生成质量反而提升，FID 下降 3.34 点，展示了循环架构在扩散/流匹配生成模型中的高效性。

2026-10-06 ~ 2026-10-06 · 2 条相关

• LiFT 让 DiT 推理时循环加深，FID 降 3.34 且省 52% 推理算力 — cgmsnoek · 2026-10-06
• LiFT 循环Transformer：参数省60%，FID 反降3.34点 — VISLab-Amsterdam · 2026-10-06