LiFT 论文：循环复用共享 DiT 核心，参数省 60% FID 反降 3.34
burny_tech · x · 2026-10-21
arXiv 论文提出 Loop Flow Transformers（LiFT），一类循环式生成模型：反复施加共享的 Diffusion Transformer（DiT）核心来扩展计算量，只需对标准架构做轻微改动。关键设计是每一步用单一回归目标训练——从模型初始估计到 flow-matching 目标直线上的一点，目标以连续深度坐标索引，因此训练后的模型可不重训、不加早退地循环到远超训练深度。
所属事件:LiFT 循环复用共享 DiT 核心，参数减 60% FID 反降 3.34(2 条相关)→
「多模态」频道最新
- HeyGen 专业语音克隆：30分钟音频即可克隆到难辨真假 — rohanpaul_ai · 2026-10-21
- Flux 3 Max 登顶物理理解榜：150 万次人类评判选出的第一 — isidentical · 2026-10-21
- 让 Claude Code 独立执导 MV：6.5 小时、765M 输入 tokens 完成 — colinmcnamara · 2026-10-21
- 可灵 4.0 上线:原生 30 秒视频、10 关键帧,可延展至 2 分钟 — lmoroney · 2026-10-21
- Voxtral 转写 1891 年埃菲尔留声机录音：107 词对 100 词，WER 仅 6.5% — IsForAt · 2026-10-21
- Reddit 用户重调 Stable Diffusion 工作流，25 步+motion boost 优化小丑舞者视频 — roychodraws · 2026-10-21