研究团队提出离散扩散蒸馏方法BCSM
Start here
2026年11月4日，研究人员在arXiv发布成果，提出用于离散扩散模型蒸馏的双向中心分数匹配（BCSM）方法。该方法通过构建双向活跃集，将蒸馏目标复杂度降低至O(K)，同时引入了跨时间步转移对齐机制。实验表明，BCSM具备显著的质量与效率权衡，在单步推理条件下最高可减少6倍的网络函数评估次数（NFE），并在HumanEval与MMMU基准测试中分别取得16.9%和15.1%的相对增益。
AI-generated from reports · Updated 4 hours ago
Report timeline
Follow the reports to see different sides of the story.
- arXiv 人工智能用于离散扩散模型蒸馏的双向中心分数匹配（BCSM）
研究人员提出用于离散扩散模型蒸馏的双向中心分数匹配（BCSM），通过构建双向活跃集将蒸馏目标复杂度降至 $\mathcal{O}(K)$，并引入跨时间步转移对齐。实验表明，BCSM 展现出显著的质量与效率权衡，在单步推理下最高可减少 6x 的 NFE，同时在 HumanEval 和 MMMU 上分别实现 16.9% 与 15.1% 的相对增益。
Story heat trend
Current heat 9·Comparable peak 10（Nov 4 14:00）·Comparable change, last 24 hours–
Trends compare only the same parties observed continuously, so the scope can be narrower than current heat counts. Move the pointer or tap the chart to see hourly heat; use the left and right arrow keys on a keyboard.