西湖大学提出特征信息动力学框架追踪扩散生成顺序

2026年10月报道，西湖大学等机构研究者提出 feature information dynamics（特征信息动力学）框架，用最优去噪损失定量追踪任意表示空间中各特征在哪个噪声水平出现、按什么顺序生成。关键发现是：表示空间的选择会改变扩散模型的隐式生成顺序；在对比的模型中，只有采用 RAE 潜空间的扩散模型呈现「抽象→具体」的层级式生成顺序，且收敛最快。论文还附有交互式可视化，展示不同 log-SNR 下去噪损失、损失差与累积类信息的变化。目前该工作以论文形式发布，尚未见后续进展报道。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。