arXiv Computer Vision· Benyuan Meng, Longtao Huang, Yang Liu, Liang Lin·2026-10-14 12:00· 20 小时前AI 评分24

研究称 Diffusion Transformer 主干深度曲线的既有解读有误

We Have Been Interpreting Diffusion Transformer Backbone Behaviors Wrong

AI 导读

针对扩散主干网络前向过程中间激活随深度呈倒 U 型曲线的现象，该研究提出新解释：预测目标（如 ε、u、x₀）才是主干的核心，语义信号只是预测目标的中间副产物，且训练设置中预测目标的选择可预测地影响曲线形状。基于此，可根据训练设置的预测目标预测 REPA 的近最优插入位置，代码已公开。

来源：arXiv Computer Vision · arxiv.org