待验证50% 置信事实精确时间

FSD模型通过知识蒸馏将标准扩散模型的数十至数百步采样压缩到1-8步

1

来源数

50%

置信度

长期有效

时效性

2026/10/9

首次发现

来源

少步蒸馏文生图模型的概念遗忘：偏好驱动框架解析

涉及实体

FSD模型concept 知识蒸馏concept

相关事实

待验证FSDP 将模型参数、梯度和优化器状态拆分到多卡，是训练千亿级参数模型的主流方案71% 相似待验证一致性模型试图将扩散模型多步去噪过程压缩至1-4步完成，理论上可将推理速度提升10-50倍69% 相似已验证轻量模型通过知识蒸馏和模型剪枝技术压缩规模，知识蒸馏让小模型模仿大模型的输出概率分布，剪枝移除对输出贡献最小的网络权重69% 相似待验证知识蒸馏与量化结合可使10亿参数级模型保留原始大模型70-85%能力，推理速度提升5-10倍69% 相似待验证在扩散模型中，UNet的任务是在每一步采样中预测并去除潜空间中的噪声，经多步迭代还原图像68% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/990737

API

curl https://kongchang.com/api/v1/knowledge/claims/990737

MCP

get_claim(id=990737)