RA-CFGCache：CFG下扩散模型缓存加速框架

2026年9月30日，arXiv cs.CV 刊出 RA-CFGCache，一个面向扩散模型 Classifier-Free Guidance（CFG）的免训练缓存加速框架。该工作针对 CFG 下条件与无条件两个分支缓存误差不同的问题，认为仅靠分支级判据不足以控制风险，因此提出“引导风险组合”与“传播感知重缩放”，对两条分支的缓存误差进行对齐与约束。实验在 FLUX.1-dev、Wan2.1-T2V-1.3B 和 CogVideoX-2B 三个模型上进行，报告称改善了效率与保真度之间的权衡，并可兼容 TeaCache、DiCache、MagCache 一类代理估算器，额外延迟几乎不变。代码已公开。此前关于该事件的其他报道未提供更多可核对的进展细节，本篇为目前最新报道。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。