图像生成

OPTD: On-Policy Transition Distillation with Consistency-Guided Adaptive Compression for Few-Step Diffusion Language Models

OPTD：用于少步扩散语言模型的一致性引导自适应压缩的策略内转换蒸馏

Xiaocheng Lu, Hualei Zhang, Shuhan Guo, Jie Zhang, Xiaoyi Pang, Jian Liu, Haoxi Li, Bohai Gu, Haoxuan Che, Jingcai Guo, Song Guo

机构 * HKUST（香港科技大学） 纠错

专题命中 效率与蒸馏 ：diffusion(title,abstract)

AI总结 针对少步扩散语言模型现有离线策略蒸馏的轨迹不匹配问题，提出 OPTD 策略内转换蒸馏方法，在四个推理基准上改善质量效率权衡并取得最优质量约束 AUP。

Comments 9 pages, 4 figures, 5 tables

Self-Supervised Representation-Guided Generative Dataset Distillation

自监督表示引导的生成式数据集蒸馏

Mingzhuo Li, Guang Li, Linfeng Ye, Jiafeng Mao, Takahiro Ogawa, Konstantinos N. Plataniotis, Miki Haseyama

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

AI总结 本文提出SRG框架，将SSL几何转化为扩散引导，通过分阶段引导策略实现数据集蒸馏，在多数据集和IPC设置下优于生成式基线，可跨预训练表示空间迁移。

Operationally Feasible Synthetic Power-Grid Scenarios via Learning the AC-Operable Joint Distribution

通过学习交流（AC）可运行联合分布实现可操作的合成电网场景

Chenhan Xiao, Xinyu He, Haoran Li, Hanghang Tong, Yang Weng

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本文提出感知可行性的分层扩散分布学习框架，学习电网拓扑、参数与负荷的交流可操作联合分布，生成的合成电网场景可行性与鲁棒性显著提升，且消除了优化后处理。

Comments 10 pages, 10 figures, journal submission

x-Prediction Is All You Need:Training-Free Accelerated Generation via Endpoint Decodability

x预测就足够了：通过端点可解码性实现无训练加速生成

Xin Peng, Ang Gao

机构 * School of Physical Science and Technology, Beijing University of Posts and Telecommunications（北京邮电大学物理科学与技术学院） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 研究基于x预测，通过端点可解码性提出截断跳跃采样方法，无需重新训练等操作，在多个模型和基准测试中减少神经函数评估次数20 - 70%，且质量相近，实现无轨迹重新设计的推理加速。