KDiv：面向可分解图像生成模型预训练的条件感知新范式

KDiv通过因式分解权重并引入条件感知路由，解决了预训练中知识纠缠的问题，显著提升了下游任务适配效率。 该方法将随机初始化的权重分解为秩一“知识单元”，并在预训练期间将共享知识固定于“基因”、条件差异分配至“尾部”。 实验表明，KDiv在类条件、文本及图像生成任务中，性能匹敌或超越密集基线，且训练参数预算远低于低秩适配方法。