TIDE 毫秒级归因：扩散模型生成图可溯源到训练数据
serrjoa · x · 2026-10-09
Adobe 研究者（Shixuan Liu、Joan Serrà 等）发布论文《Distilling Diffusion Score Discrepancy for Efficient Training Data Attribution》，提出 TID 与 TIDE 两个方法，回答「哪张训练图影响了一张生成图」。
- 现有方法要么需逐样本梯度计算、要么需针对查询优化模型，且多基于代理损失而非真实生成行为变化
- TID 用局部 score discrepancy 度量做归因，适用于 DDPM、EDM、flow matching 等任意扩散变体，无需重训练，借助 Kronecker 分解曲率避免随机投影与逐样本梯度存储
- TIDE 将 TID 蒸馏为前向-only 学生模型，从扩散模型内部激活在线学习排序
- 在 CIFAR-10、ArtBench-10、MS-COCO 反事实评测上，TID 匹配或超过 SOTA；TIDE 保留大部分精度，单次查询成本降低 4-5 个数量级，毫秒级完成归因，比生成图像本身还快
所属事件:TIDE 论文：扩散模型训练数据归因提速数个数量级(3 条相关)→
「研究」频道最新
- Agent Plasticity 论文正式发布:作者阵容含 Rob Fergus、Sanjeev Arora 等大咖 — anirudhg9119 · 2026-10-09
- Agent Plasticity 论文连载:Claude 在 NetHack 中学会把祈祷改成可复用规则 — anirudhg9119 · 2026-10-09
- 新指标 Agent Plasticity:GPT-5.6 Sol 学习效率约为 Claude Fable 5 的 5 倍 — anirudhg9119 · 2026-10-09
- 为什么有的智能体难提升?四个模型复用率 94-98% 收益却大相径庭 — anirudhg9119 · 2026-10-09
- OpenAI 疑以时间预算而非 token 预算编排多智能体集群，并视之为敏感 IP — maksym_andr · 2026-10-09
- OpenAI Quasi-Riemann 震动数学界:百位数学家披露集体反应 — littmath · 2026-10-09