跳到主要内容

FOLLOW THIS THREAD

论文解读

Notes on this topic

3 篇公开笔记,沿着这个标签慢慢读。

20263 篇深度报告
视频扩散 Transformer 时空三维体素网格中冻结背景缓存与暖橙色局部编辑重算通道的等距技术插画
约 8 分钟

EditCache:视频 Diffusion Transformer (DiT) 局部编辑的跨步特征复用与区域重算加速

拆解视频扩散模型(Wan2.1-VACE)局部编辑中的三重算力冗余,通过可重入 Latent、跨步 Block 隐状态缓存复用、带 Halo 边界的局部区域重算与自适应推理起点,在单卡 H100 上实现 2.46× 模型计算加速与 1.49× 严格同步端到端加速。

左侧扩散流形自校正轨迹矢量场与右侧五阶段可编辑 SVG 科研插图分层网格相衔接的等距技术插画
约 8 分钟

从原位自校正引导(In-situ Autoguidance)到可编辑科研插图生成(AutoFigure-Edit)

串联两项生成式模型与多模态智能体研究:如何通过推理期局部随机微扰在单模型内构造免训练扩散自引导向量(ICML 2025 Workshop 第一作者,arXiv:2510.17136),以及如何通过五阶段视觉-符号混合流水线生成原生可编辑 SVG 科研插图(ACL 2026 Demo,FigureBench 83.0% 胜率)。

三块半透明几何棱镜发出平行光束穿过中央校准环汇聚至右侧高密度晶体模块的等距技术插画
约 18 分钟

多视角推理蒸馏(LLM-MRD)与可审计生成式评审系统(DeepReviewer 2.0)深度拆解

对比大模型落地的两条互补路径:如何用 Qwen2.5-VL 离线多视角分析结合 MLP 残差校准与温度缩放 KL 蒸馏,将推理能力压入 358M 学生模型实现 17.2 ms 独立推理(LLM-MRD,DASFAA 2026 Oral);以及如何通过主张-证据-风险台账、PASA 可比性门控与导出预算校验构建可审计的同行评审 Agent(DeepReviewer 2.0)。