研究发现门控参与度与生成质量强相关，径向目标降 FID 至 11.83
Junha Park · hf · 2026-11-02
- 核心发现：扩散 Transformer 的训练加速本质上源于 AdaLN-Zero 残差门控的重组；门控幅度的参与广度（论文提出 nPR 指标衡量）与最终生成质量强相关，SIT-XL/2 实验上 Pearson 相关系数达 -0.96（nPR 越高 FID 越低）。
- 方法：提出一个简单的径向目标（radial objective），促进更多通道参与门控，无需辅助教师模型。
- 结果：SIT-B/2·400K 上，Vanilla 目标 FID 16.24，Dispersive 13.19，Radial 降至 11.83，同时 nPR 从 0.434 提升到 0.642。
「研究」频道最新
- Adobe 与 UCLA 提出 Tev：用可验证进度奖励破解长程 Agent 训练难题 — jiqizhixin · 2026-11-02
- 老招新用：path tracing 加 portal 采样，64spp 噪点显著下降 — ssh4net · 2026-11-02
- Marcel Böhme 提出漏洞引导加固哲学：为何安全永远无法一劳永逸 — mboehme_ · 2026-11-02
- Perplexity 开源研究型基准 WANDR：500 任务、17 万条证据点 — thisguyknowsai · 2026-11-02
- AI 意识研究者:我们没有可靠方法判断 AI 是否有意识 — dioscuri · 2026-11-02
- 蚂蚁团队发布统一反伪造模型，AI视频鉴伪达96% — inclusionAI · 2026-11-02