分类： AI 资讯

离散扩散新方法将大图生成从3000节点级推向结构保真与可扩展兼顾

arXiv 2026年10月7日一篇新论文提出离散图扩散模型，通过只训练“真实边+楔形非边”的结构候选子集，把大图生成训练复杂度压到低于二次方，试图在不背诵训练数据的前提下，让生成图的度分布、聚类和路径长度更接近真实稀疏图。

2026年10月4日发布的论文提出LiFT（Loop Flow Transformers），通过让扩散Transformer在推理时重复执行共享模块来扩展计算深度，无需重训即可用更少参数超越更大的密集模型，ImageNet 256x256上FID比DiT-XL/2低3.34。

Hugging Face Papers 收录的论文提出 Adaptive LeWorldModel（ALeWM），通过让预测信息集中在宽潜在表示的短前缀中，在已知状态动力系统和目标条件视觉控制任务上取得更高平均成功率，同时平均规划容量更低。

关于用领域驱动设计（DDD）约束 AI 编程的讨论，一线开发者反馈集中在两件事上：先把核心业务名词钉死，再用领域语言给模型提供高密度上下文。这反映出在 agent 大量写生产代码之后，代码生成速度已经不是瓶颈，业务语义漂移才是。

Hugging Face Papers 收录的论文摘要提出 SlimWise，把 MoE 模型的专家剪枝从预填阶段解耦、只在解码阶段生效，并复用预填生成的 KV 缓存，在 Qwen3.6-35B-A3B 上报告 50% 专家剪枝时解码吞吐最高提升 1.81 倍。

2026年10月7日，X用户@xiax0603分享了一套AI智能体工作流：用intake聚合工单、邮件和文档，借Dots做实时监控，再调度不同大模型完成定方向、写稿、深度思考和自动重试，把大部分重复劳动交给系统，由人只做重大决策。

一篇 arXiv 论文首次对 NLIP 和 A2A 两种智能体通信协议做了受控延迟对比，发现在轻量协调场景下 NLIP 的连接速度可快 8.4–9.6 倍，但端到端推理任务两者几乎打平。

alphaXiv 上的一篇新论文提出 Level-of-Token（LoT）Diffusion，让扩散模型按画面细节分布分配不同大小的 token，在不重训的前提下减少 token 数量、提升生成速度，图像和视频任务都有验证。

研究者提出自补偿 VLA 方法，能在部署时利用“下发的动作”与“机器人实际执行动作”之间的残差在线更新策略，无需任务奖励或标签；摘要称在两条真实机械臂上平均任务成功率各提升 30 个百分点以上。

佐治亚理工学院宣布推出全新在线人工智能硕士项目 OMS AI，延续其把学位价格压到远低于市场价的路线，值得关注的是它对 AI 人才供给和教育定价的潜在冲击。