研究者提出改进自蒸馏方法iSD与iSD-T

Youngjoong Kim等研究者从流映射视角分析一致性模型的训练不稳定性，解释训练与收敛行为如何导致退化解，并据此重新审视自蒸馏。为避免优化过程中梯度过大，他们经验性地重构目标函数，得到改进的自蒸馏方法 iSD，并扩展出带训练时 classifier-free guidance 的 iSD-T。 作者称，在所研究的设定中，这两种方法提升了性能与可复现性；iSD 还可用于基于扩散的策略学习，且无需预训练扩散模型做初始化。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。