热点事件持续更新
JAx：对齐干净图像预测以加速扩散训练
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
2026 年 10 月 2 日，arXiv cs.CV 收录论文 JAx（Just Align x）。该工作提出不对齐表征、只对齐干净图像预测的训练思路，用于改进像素空间扩散模型的训练。方法借助马尔可夫退化，把噪声更多的学生观测与更干净的观测耦合，无需外部编码器，也不改动模型架构与采样流程。在 ImageNet 256x256 上，JAx 改善了 JiT-B/16、JiT-L/16、JiT-H/16 的 FID 并加速收敛。梯度层面的诊断显示 minibatch 梯度方差降低；消融实验表明，收益并非仅来自时间重加权。
AI 根据报道生成 · 2 小时前更新
最新进展10月2日 12:00
新论文提出 JAx，在 ImageNet 256x256 上改善 JiT-B/L/H-16 的 FID 并加速收敛。报道时间线
沿着报道，了解事件的不同侧面。
10月2日
- arXiv cs.CVJAx：对齐预测而非表征，改进像素空间扩散模型训练
JAx（Just Align x）不对齐表征而只对齐干净图像预测，在 ImageNet 256x256 上改善了 JiT-B/16、L/16、H/16 的 FID 并加速收敛。它用马尔可夫退化把噪声更多的学生观测与更干净的观测耦合，无需外部编码器或改动架构与采样流程。梯度诊断显示 minibatch 梯度方差降低，消融表明收益非仅来自时间重加权。
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。