SoftCache：扩散Transformer自适应步长缓存

2026年10月16日，arXiv Computer Vision 出现一篇由 Shimon Malnick 等作者提交的论文预印本，提出 SoftCache——一种面向 Diffusion Transformer 的免训练自适应步长缓存方法。据该报道，SoftCache 利用动态缓存中陈旧度信号低于阈值的余量来决定缓存步的推进距离：余量大时跳过多个调度节点，接近刷新时步长收缩回原始值，从而以“软缓存”取代二值开关。报道称，该方法无需训练，也不增加针对各骨干网络的设置；在图像模型 FLUX 以及视频模型 HunyuanVideo、Wan2.1 上，于 3.5× 至 6.9× 加速下，其在全部四项保真度指标上均领先所有基线。目前该事件仅有这一篇主报道，尚无后续跟进报道，上述性能与适用范围均以该论文预印本自述为准。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。