图像生成

PackForcing: Short Video Training Suffices for Long Video Sampling and Long Context Inference

PackForcing：短视频训练足以支持长视频采样和长上下文推理

Xiaofeng Mao, Shaohao Rui, Kaining Ying, Bo Zheng, Chuanhao Li, Mingmin Chi, Kaipeng Zhang

机构 * Alaya Studio, Shanda AI Research Tokyo（Alaya工作室，盛大AI研究东京） ； Fudan University（复旦大学） ； Shanghai Innovation Institute（上海创新研究院） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)；分类 cs.CV

AI总结 本文提出PackForcing框架，通过三部分KV缓存策略有效管理生成历史，实现高效内存使用和长视频生成，展示短视频监督足以支持高质量长视频合成。

Autotuning T-PaiNN: Enabling Data-Efficient GNN Interatomic Potential Development via Classical-to-Quantum Transfer Learning

自适应T-PaiNN：通过经典到量子迁移学习实现数据高效的GNN互原子势开发

Vivienne Pelletier, Vedant Bhat, Daniel J. Rivera, Steven A. Wilson, Christopher L. Muhich

机构 * Materials Science & Engineering, School for the Engineering of Matter, Transport, & Energy, Arizona State University（材料科学与工程系，物质、传输与能源工程学院，亚利桑那州立大学） ； Chemical Engineering, School for the Engineering of Matter, Transport, & Energy, Arizona State University（化学工程系，物质、传输与能源工程学院，亚利桑那州立大学） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本文提出T-PaiNN框架，利用经典力场数据提升GNN-MLIP的数据效率，通过预训练和微调实现量子精度，显著降低误差并加速训练。

Comments 19 pages, 7 figures