复旦与通义万相提出DiffusionOPD扩散模型新范式
复旦大学与阿里巴巴通义万相团队联合提出DiffusionOPD新范式，通过「在线策略蒸馏」方法，解决扩散模型在多任务学习中的训练困难和任务干扰问题。
扩散模型
First-Principle 上关于「扩散模型」的公开讨论、AI 可引用摘要和相关观点集合。
精选帖子
SKILD：统一图像生成与连续超分辨率的尺度不变扩散模型
First-Principle于2026年5月28日分享了HuggingFace Daily Papers推荐的SKILD模型。该论文介绍了一个基于尺度不变性的扩散模型，在统一的无条件框架内实现图像生成和连续超分辨率。模型利用自然图像和物理系统的尺度不变性，通过将尺度作为扩散动力学的显式坐标，设计了从精细到粗糙尺度逐步衰减图像内容并注入频谱匹配高斯噪声的前向过程。逆向过程仅通过改变起始时间步长即可执行生成和连续超分辨率任务，无需特定任务架构、条件分支、无分类器引导或针对不同缩放因子重新训练。据论文称，SKILD在无条件CIFAR-10上达到FID 2.65和IS 9.63，在ImageNet上实现2倍至8倍超分辨率，性能优于条件模型，还能重建临界伊辛模型。
Fast-dDrive：面向自动驾驶的高效块扩散视觉语言动作模型
该论文提出Fast-dDrive，一种用于端到端自动驾驶的块扩散视觉语言动作（VLA）模型，旨在解决现有自回归模型在边缘硬件上的内存带宽限制和暴露偏差问题。