LiFT 让 DiT 推理时循环加深，FID 降 3.34 且省 52% 推理算力

cgmsnoek · x · 2026-10-06

阿姆斯特丹大学 Cees Snoek 团队等发布 LiFT (Loop Flow Transformers)：一种流匹配 Transformer，可在推理时循环调用部分网络层，把训练深度之外的推理深度无限扩展，无需重训练、提前退出或其他改动。

核心做法是把 DiT 的一部分变成循环核心，从而在推理时扩展深度。在 ImageNet 上，LiFT 以 3.34 的 FID 优势击败稠密 DiT-XL/2，同时参数减少 60%、训练 FLOPs 减少 32%、推理 FLOPs 减少 52%。这为扩散模型提供了一条新的推理算力扩展路径：不仅可以在采样步数上花算力，还能在每一步内部花算力。