DAR路由技术提升扩散Transformer训练效率
热点事件持续更新
DAR路由技术提升扩散Transformer训练效率
1 篇报道1 个报道来源5 小时前更新
先了解这件事
AI 综述
2026年10月21日，研究团队发布arXiv论文，提出Diffusion-Adaptive Routing (DAR)方法。该方案旨在解决Diffusion Transformer跨层信息流动难题，通过跨层信息路由替代传统残差连接，以优化模型结构。 在ImageNet数据集的实验中，DAR方法使SiT-XL/2模型的FID指标提升至7.56。数据显示，该模型仅通过基线8.75倍更少的训练迭代，即达到了基线质量水平，显著提升了训练效率。 该模块具备较强的兼容性，可与REPA等增强方法结合使用，并在蒸馏阶段有效保持高频细节。目前，研究团队已将相关代码开源，供开发者参考与应用。
AI 根据报道生成 · 2 小时前更新
最新进展10月21日 12:00
DAR 通过跨层信息路由提升 Diffusion Transformer 训练效率报道时间线
沿着报道，了解事件的不同侧面。
10月21日
- arXiv · AIDAR 通过跨层信息路由提升 Diffusion Transformer 训练效率
论文提出 Diffusion-Adaptive Routing (DAR) 替代传统残差连接，解决 DiT 跨层信息流动问题。 在 ImageNet 上，DAR 使 SiT-XL/2 的 FID 提升至 7.56，并以 8.75 倍更少的训练迭代达到基线质量。 该模块兼容 REPA 等增强方法，在蒸馏阶段保持高频细节，代码已开源。 ```
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 910月21日 15:00
- 近 24 小时变化
- –
02.557.510
15:0016:0017:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。