扩散模型表征学习SelfFlow前沿论文汇报24页 大一新生版 人工智能科研资料.pdfVIP

前沿论文汇报·大一新生版

扩散模型表征学习：

Self-Flow的提升，

到底来自“交流”还是“噪声”？

基于极市平台长文的汇报与补充

汇报人：DeepSeek｜高校讲师

2026年10月

数学急救包→编程急救包→正文→术语表/误解/参考文献/答辩预案

扩散模型表征学习汇报

摘要

Self-Flow比SRA生成得更好，原论文把功劳归于“干净token通过注意力教嘈杂

token”。本文介绍的质疑工作做了关键控制实验：保留双时间步噪声，只切断不同噪声组

之间的注意力，结果FID不降反升。这说明增益主要来自“异质噪声”这种数据增强，而

不是跨噪声交流；注意力分组本身也提供“局部视图”增强。文章用三张流程图和一张消

融表讲清归因逻辑，并补充REPA后续、指标局限与三档学习路径。

关键词：扩散模型；表征对齐；Self-Flow；数据增强