University of Science and Technology of China（中国科学技术大学）

ACPO: Anchor-Constrained Perceptual Optimization for Diffusion Models with No-Reference Quality Guidance

ACPO：基于锚点的感知优化用于无参考质量引导的扩散模型

Yang Yang, Feifan Meng, Han Fang, Weiming Zhang

机构 * School of Electronic and Information Engineering, Anhui University（安徽大学电子与信息工程学院） ； Institute of Artificial Intelligence, Hefei Comprehensive National Science Center（合肥国家综合科学中心人工智能研究院） ； School of Cyber Science and Technology, University of Science and Technology of China（中国科学技术大学网络科学与技术学院） 纠错

AI总结 本文提出ACPO方法，通过锚点约束优化提升扩散模型的感知质量，同时保持生成多样性和训练稳定性。

Comments 14 pages, 9 figures, 11 tables

Adaptive and Fine-grained Module-wise Expert Pruning for Efficient LoRA-MoE Fine-Tuning

自适应和细粒度模块级专家剪枝用于高效的LoRA-MoE微调

Weihang Li, Jianchun Liu, Hongli Xu

机构 * School of Computer Science and Technology, University of Science and Technology of China, China（计算机科学与技术学院，中国科学技术大学） ； Suzhou Institute for Advanced Research, University of Science and Technology of China, China（苏州先进研究院，中国科学技术大学） 纠错

AI总结 本文提出DMEP框架，通过动态模块级专家剪枝优化LoRA-MoE微调，减少冗余参数并提升训练效率，实验表明在多个推理基准上参数减少35%-43%，训练吞吐量提升约10%。

LogitSpec: Accelerating Retrieval-based Speculative Decoding via Next Next Token Speculation

LogitSpec: 通过下下个token推测加速基于检索的推测解码

Tianyu Liu, Qitan Lv, Hao Li, Xing Gao, Xiao Sun, Xiaoyan Sun

机构 * University of Science and Technology of China（中国科学技术大学） ； Shanghai AI Laboratory（上海人工智能实验室） 纠错

AI总结 LogitSpec通过扩展检索范围和利用logit预测下下个token，提升检索基于解码的效率，实现2.61倍加速和3.28个接受token/解码步。