#DiT

一篇很巧的论文：让扩散模型在需要细节的地方用细 token、别处用粗 token，预训练模型不用重训就能提速，还能接智能体的规划布局。

蒸馏后的 DiT 缓存加速容易掉质量，这篇论文给出按模型和求解器自动挑缓存目标的办法，还放了代码，做生图生视频加速的可以试试。

ProtoFlow用学习到的原型先验替代通用噪声初始化，加速训练收敛，在时间序列预测任务上表现优异。

清华团队提出NEPA方法，用预测嵌入替代传统固定条件，在相同计算资源下生成质量更高。

清华团队发布HamiFormer，用双专家扩散场解决动力学预测问题，在碰撞模拟上比现有模型误差降低超20%。

写了个新优化器CMuon，训练扩散Transformer比AdamW快两倍多，675M模型200轮就跑到FID 1.18，厉害得很。

这篇论文发了KroQuant，用Kronecker结构做激活变换，W4A4量化又快又准，比SVDQuant和LoRaQ结果好，还省参数。

这篇论文搞了个Appearance Pointers，能让DiT模型精确指定图片不同区域该长什么样，不用重训模型，效果还比那些专门的方法好。

想在不重训模型的情况下让扩散模型生成更多样化的结果？这篇论文给出了一个简单有效的技巧：温度采样配合时间偏移，在DiT、Stable Diffusion上都有效果。

做视频生成的研究者或开发者，如果被长视频多事件生成的一致性困扰，TunerDiT 的零训练方案直接可用，值得关注其事件边界控制与提示融合的设计。