LiFT 让 DiT 推理时循环加深，FID 降 3.34 且省 52% 推理算力

阿姆斯特丹大学 Cees Snoek 团队等发布 LiFT（Loop Flow Transformers），把 DiT 的部分层变为循环核心，在推理时循环调用，从而把推理深度扩展到训练深度之外，无需重训练或其他改动。在 ImageNet 上，LiFT 以 3.34 的 FID 优势击败稠密 DiT-XL/2，同时参数减少 60%、训练 FLOPs 减少 32%、推理 FLOPs 减少 52%。