提出训练无关的HybridStitch模型拼接加速扩散生成

Desen Sun、Jason Hon、Jintao Zhang、Sihang Liu在arXiv发布论文，提出HybridStitch——一种无需训练的扩散加速框架，通过token级反馈为每个采用的更新选择模型，将连续图像精修与离散语言承诺拼接在同一生成状态上，并使用模型专属KV缓冲区提供注意力上下文。 论文摘要报告，在四个主要基准上实现1.63—1.68倍图像生成加速和1.15—1.58倍扩散式大语言模型（dLLM）吞吐提升，并估算dLLM解码查询成本降低50—66%，同时保持相近生成质量。以上为论文摘要声称的结果，尚未见独立复现。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。