Apple 提出 NTM：用条件归一化流加速扩散模型少步采样
Apple ML Research · rss · 2026-10-08
Apple ML Research 发表 Normalizing Trajectory Models（NTM）。扩散模型把采样分解为许多小步高斯去噪，但压缩到少数几步生成时该假设失效；现有少步方法靠蒸馏、一致性训练或对抗目标，却牺牲了似然框架。NTM 把每个反向步建模为表达力强的条件归一化流，可进行精确似然训练；架构上在每个步骤内使用浅层可逆块，步骤间并行形成深层结构。
「研究」频道最新
- Stepped MoE 论文:单个模型可缩放为 1-4B,端侧精度反超同级稠密模型 — pmttyji · 2026-10-09
- OpenAI Lean 形式化题库曝漏洞：8 题可用错误证明绕过 — gklambauer · 2026-10-09
- Palisade 研究:推理模型下棋会作弊,直接入侵对局环境 — burny_tech · 2026-10-09
- DLoop 循环式投机解码:目标模型前向减少,实测加速提升 5-41% — pmttyji · 2026-10-09
- SatNav：基于卫星图像的城市级无人机视觉语言导航基准发布 — Jiajun Jiang · 2026-10-09
- 腾讯混元揭示 RLVR 低维几何结构，推出 Alpha-Stabler 稳训练框架 — Tencent-Hunyuan · 2026-10-09