DifFRACT 获 NeurIPS 2026 主会接收

一项名为 DifFRACT 的研究近日被 NeurIPS 2026 主会正式接收。该工作由 Artyom Mazur、Nina Konovalova 和 Aibek Alanov 发表，专注于利用扩散模型进行电路追踪。 在技术实现上，DifFRACT 扩展了现有的基于 transcoder 的电路追踪方法。研究团队将该方法成功应用于 MM-DiT 架构，重点在于分析 FLUX.1[schnell] 模型内部的运行机制。为了近似该模型中 MLP 子层的行为，研究人员训练了带时间步条件（timestep-conditioned）的 transcoders，从而实现了更精准的扩散特征重构与归因分析。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。