LoRA 套用蒸馏视频模型现失配伪影

2026年9月30日，AGI Hunt 报道称，作者 burkov 发布长文剖析 LoRA 失配根源。报道指出，视频扩散模型推理成本高，蒸馏是业内为降本提速的主流做法，且蒸馏依赖全量微调；LoRA 则是无需重训整个模型的定制手段。但把基于基座模型训练的 LoRA 模块直接套用到蒸馏后的视频扩散模型变体上，常出现严重视觉伪影、人物重复和风格劣化。burkov 将这一现象归因于 LoRA 与蒸馏模型的失配。报道还称，为每个新的蒸馏模型重训专用模块需要私有用户数据和大量算力，已成为运营瓶颈。目前该长文已发布，给出上述剖析。

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。