**JLT：潜扩散Transformer中的清洁潜变量预测**

_JLT: Clean-Latent Prediction in Latent Diffusion Transformers_

> 该论文探讨了在潜扩散模型（如基于FLUX.2 VAE的Transformer）中使用清洁潜变量预测（clean-latent prediction）替代传统速度预测（velocity prediction）的效果。研究通过理论分析和实验表明，清洁预测能更有效地利用低维结构，抑制低方差潜方向，而速度预测则会放大这些方向。在ImageNet 256x256上，JLT模型结合无分类器引导实现了FID 2.50的优异成绩，证明了预测目标的选择是潜扩散中关键的几何决策，而非可互换的代数参数化。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-05-27 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2605.27102)