何恺明团队再次推出创新成果，延续其"回归本质"的研究理念，提出"Just image Transformers"（JiT）框架。

该技术突破性地使扩散模型能够直接生成清晰图像，而非传统噪声或含噪量预测，为高维自然数据生成开辟了更简洁高效的路径。

"扩散模型+Transformer"架构凭借其卓越的生成质量、强大的扩展性和精准的多模态控制能力，目前已广泛应用于高分辨率图像生成、三维重建以及自监督去噪等多个前沿领域，成为学术界持续聚焦的研究热点。

这一技术组合正推动着生成式AI的边界不断扩展。

DDT: Decoupled Diffusion Transformer

主要内容：

本研究创新性地引入解耦扩散 Transformer（DDT），其采用专用条件编码器实现语义特征提取，结合速度解码器精准还原高频细节，从而有效克服传统模型的优化瓶颈。

实验结果表明，在 ImageNet 数据集上，该模型在 256×256 分辨率下取得 FID 1.31，512×512 分辨率下 FID 降至 1.28，同时训练收敛速度显著提升至 4 倍，并借助统计动态规划技术进一步优化推理效率。

The Ingredients for Robotic Diffusion Transformers

主要内容：

面向机器人操作任务，本研究设计DiT-Block Policy架构，结合Transformer的可扩展优势与扩散模型的生成特性。

通过adaLN-Zero注意力块实现训练稳定性，利用ResNet架构处理多视角相机输入，在双臂ALOHA与单臂Franka机器人平台验证多任务执行能力，性能较现有基线提升20%，并公开BiPlay语言标注数据集。

最近两年，大家都可以看到AI的发展有多快，我国超10亿参数的大模型，在短短一年之内，已经超过了100个，现在还在不断的发掘中，时代在瞬息万变，我们又为何不给自己多一个选择，多一个出路，多一个可能呢？

与其在传统行业里停滞不前，不如尝试一下新兴行业，而AI大模型恰恰是这两年的大风口，整体AI领域2025年预计缺口1000万人，其中算法、工程应用类人才需求最为紧迫！

学习AI大模型是一项系统工程，需要时间和持续的努力。但随着技术的发展和在线资源的丰富，零基础的小白也有很好的机会逐步学习和掌握。【点击蓝字获取】

【2025最新】AI大模型全套学习籽料（可白嫖）：LLM面试题+AI大模型学习路线+大模型PDF书籍+640套AI大模型报告等等，从入门到进阶再到精通，超全面存下吧！

TinyFusion: Diffusion Transformers Learned Shallow

主要内容：

研究团队创新性地开发了深度剪枝框架TinyFusion，该方法采用可微分采样技术并结合参数联合优化策略，有效识别并压缩扩散Transformer中的冗余层级。

在显著降低计算资源需求的前提下（仅需7%的原始预训练成本），该技术成功推动DiT-XL模型FID指标优化至2.86，同时在DiT、MAR等多种架构中实现推理速度提升2倍。

此外，通过引入掩码知识蒸馏机制，进一步强化了模型性能的恢复能力。

Effective Diffusion Transformer Architecture for Image Super-Resolution

主要内容：

设计用于图像超分辨率的扩散 Transformer（DiT-SR），创新性地融合 U 型架构的多尺度特征提取能力与各向同性设计优势，通过空间-频率域协同优化提升重建质量。

提出频率自适应时间步调节模块 AdaFM 替代传统 AdaLN，动态适应不同频段特征的学习需求，显著提升训练稳定性和收敛效率。

在 RealSR 等数据集上，该模型以仅 5% 的参数量超越多数现有方法，实现从 scratch 训练的高性能超分，同时支持计算效率与重建精度的双重突破。

·最近两年，大家都可以看到AI的发展有多快，我国超10亿参数的大模型，在短短一年之内，已经超过了100个，现在还在不断的发掘中，时代在瞬息万变，我们又为何不给自己多一个选择，多一个出路，多一个可能呢？

与其在传统行业里停滞不前，不如尝试一下新兴行业，而AI大模型恰恰是这两年的大风口，整体AI领域2025年预计缺口1000万人，其中算法、工程应用类人才需求最为紧迫！

学习AI大模型是一项系统工程，需要时间和持续的努力。但随着技术的发展和在线资源的丰富，零基础的小白也有很好的机会逐步学习和掌握。【点击蓝字获取】

【2025最新】AI大模型全套学习籽料（可白嫖）：LLM面试题+AI大模型学习路线+大模型PDF书籍+640套AI大模型报告等等，从入门到进阶再到精通，超全面存下吧！