热点事件持续更新
APEX：异步前缀去噪实现极端潜在压缩
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12日，arXiv cs.CV 收录论文 APEX，提出一种面向极致压缩的异步前缀去噪方法。该方法把分层潜在空间与按通道组异步去噪结合，使用一个共享去噪器在错开的局部时间步生成按从结构到细节排序的通道前缀，且不增加 token 数量。论文称，在 ImageNet-512 上，APEX 在 64x 和 128x 压缩下每个评测通道数都优于现有方法；在相同训练与引导采样计算量下，它在各评测预算均超过 256-token 模型，且计算量越低增益越大。论文同时表示代码已公开。目前尚无其他来源的后续报道。
AI 根据报道生成 · 2 小时前更新
最新进展10月12日 12:00
APEX 论文公开，称在 ImageNet-512 各压缩率与预算下均超越 256-token 模型，代码已开源。报道时间线
沿着报道，了解事件的不同侧面。
10月12日
- arXiv cs.CVAPEX：面向极致压缩的异步前缀去噪
APEX 把分层潜在空间与按通道组异步去噪结合，用一个共享去噪器在错开的局部时间步生成从结构到细节排序的通道前缀，且不增加 token。在 ImageNet-512 上，它在 64x 和 128x 压缩下每个评测通道数都优于现有方法。在相同训练与引导采样计算量下，它在各评测预算均超过 256-token 模型，计算量越低增益越大，代码已公开。
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。