热点事件持续更新
扩散模型训练数据归因方法TID与TIDE
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
2026年10月2日，arXiv cs.LG 分类发布一项研究，提出扩散模型训练数据归因新方法 TID 与 TIDE。据该报道，TID 通过局部分数差异直接衡量扩散模型训练样本对生成结果的影响，适用于 DDPM、EDM 和 flow matching，无需重训练即可估计。研究者进一步将 TID 蒸馏为前向学生模型 TIDE，在 CIFAR-10、ArtBench-10 和 MS-COCO 的反事实评测中保持大部分精度，单次查询成本降低四到五个数量级，毫秒级完成归因，快于生成本身。目前该事件仅有这一篇报道，尚无后续进展或相互矛盾的说法。
AI 根据报道生成 · 3 小时前更新
最新进展10月2日 12:00
研究者提出TID及蒸馏模型TIDE，实现毫秒级扩散模型训练数据归因。报道时间线
沿着报道，了解事件的不同侧面。
10月2日
- arXiv：cs.LG（机器学习，全量分类）扩散模型训练数据归因新方法 TID 与 TIDE：蒸馏分数差异实现毫秒级归因
研究者提出 TID，用局部分数差异直接衡量扩散模型训练样本对生成结果的影响，适用于 DDPM、EDM 和 flow matching，无需重训练即可估计。将 TID 蒸馏为前向学生模型 TIDE 后，在 CIFAR-10、ArtBench-10 和 MS-COCO 的反事实评测中保持大部分精度，单次查询成本降低四到五个数量级，毫秒级完成归因，快于生成本身。
本事件热度走势
当前热度 9·可比范围峰值 9（10月2日 14:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。