一句话看懂：Hugging Face Papers 于 2026 年 10 月 20 日收录的论文提出 Policy-Mask，用一套受“通道预算”约束的策略，同时决定从冻结扩散模型的哪一层、哪个时间步、哪些通道抽取特征做判别任务，并在相同预算下优于手工固定抽取方案。
事件核心：发生了什么
按论文摘要，扩散模型冻结后，中间层特征对分割、分类、语义对应等判别任务虽有用，但有效信号分散在去噪轨迹（时间步）、网络深度（模块）和通道三个维度上。已有做法要么人工固定这组选择，要么只调少数抽取超参数，最典型的是只调时间步，然后对所有输入和预算沿用同一规则。
Policy-Mask 的做法是把“选时间步、选模块、选通道”放进一个策略里联合学习，并让策略以给定通道预算为条件。作者指出，若不归一化，通道打分贡献会随选中通道数增大而压过另外两个维度，因此按子集大小做归一化，使三个策略头量级可比、联合训练更稳定。摘要给出的同预算对比结果包括：ADE20K 分割 38.9 mIoU，CIFAR-100 在 128 维下 top-1 为 75.4%，SPair-71k 的 PCK@0.1 为 76.3。作者还报告，模块选择对下游精度影响明显，记录的通道预算最高分出现在保留 256 个通道时；该方法也被迁移到 PixArt-Σ 和 SD3.5 MMDiT 等扩散 Transformer，将 U-Net 通道替换为图像 token 隐维度。
为什么重要
扩散模型过去主要被视为图像生成工具，而把冻结模型的内部特征当“通用特征底座”用于视觉任务，是近年的重要方向。Policy-Mask 的价值在于把特征抽取从手工经验转为可训练、可随预算调节的策略，这意味着同一套模型权重可能服务不同算力档位的下游任务。摘要中 256 通道这一操作点若后续被验证，对希望低成本复用生成模型能力的团队更有参考意义。但目前公开信息仅为论文摘要，尚无同行评审或第三方复现结论。
对用户/开发者/创作者的影响
对开发者而言，这类方法的直接吸引力是“预算感知”：部署分割、分类或图文对应模块时，可在精度与显存/推理成本之间选档位，而不必重新训练扩散主干。对使用图像生成模型做二次开发的团队，摘要显示方法可延伸到 PixArt-Σ、SD3.5 MMDiT 等扩散 Transformer，说明其思路不只绑定 U-Net 结构，但可用性与工程成熟度尚待验证。对普通创作者，它更偏底层能力，短期不会直接变成产品功能。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是论文全文是否公开更完整实验，尤其是与固定抽取方案在不同任务、不同预算下的系统对比；二是 256 通道这一结论能否在其他数据集和扩散模型上复现；三是是否有开源代码或 API 形态落地，让开发者真正按预算调用特征抽取策略。
