热点事件持续更新
RECON：推理复用 REPA 投影头，训练快 25 倍
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
2026 年 10 月 17 日，AGI Hunt 报道了一篇名为 RECON 的论文，针对扩散 Transformer 的语义注入问题。该方法在训练阶段把预训练视觉编码器的 token 送入 DiT 的后续层，推理阶段则复用 MLP 投影头作为视觉编码器的代理。报道称，这一做法不增加参数，收敛速度比 SiT 快 63 倍、比 REPA 快 25 倍；在 ImageNet 上 FID 有所提升，且在更少采样步数下仍能保持生成质量。论文代码已开源。截至该报道，公开信息仅涉及方法本身与上述实验结果，未提及复现或其他后续进展。
AI 根据报道生成 · 2 小时前更新
最新进展10月17日 02:03
RECON 论文公布：训练收敛比 REPA 快 25 倍，推理复用投影头且不增参数，代码开源。报道时间线
沿着报道，了解事件的不同侧面。
10月17日
- AGI HuntRECON 论文：推理时复用 REPA 投影头，训练比 REPA 快 25 倍
针对扩散 Transformer 的语义注入，RECON 在训练时把预训练视觉编码器 token 送入 DiT 后续层，推理时复用 MLP 投影头作为视觉编码器代理。该方法不增加参数，收敛比 SiT 快 63 倍、比 REPA 快 25 倍，ImageNet FID 提升，更少采样步数下仍保持生成质量。代码已开源。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。