以论文，记录探索。

18 篇论文

• 2026

  

  TDM-R1：利用不可微奖励强化少步扩散模型

  Luo et al.

  ICML 2026

  TDM-R1: Reinforcing Few-Step Diffusion Models with Non-Differentiable Reward

  面向少步生成模型的强化学习。

• 2026

  

  通过离散扩散散度指导实现超快速语言生成

  Haoyang Zheng, Xinyang Liu, Cindy Xiangrui Kong, Nan Jiang, Zheyuan Hu, Weijian Luo*, Wei Deng*, Guang Lin

  ICLR 2026

  Ultra-Fast Language Generation via Discrete Diffusion Divergence Instruct

  通过积分 KL 匹配，将离散扩散语言模型蒸馏为少步生成器。

  会议论文 PDF ↗ 论文 ↗
• 2025

  

  让一致性模型更易训练

  Zhengyang Geng, Ashwini Pokle, Weijian Luo , Justin Lin, J Zico Kolter

  ICLR 2025

  Consistency Models Made Easy

  通过简易一致性微调（ECT），将预训练扩散模型转化为高效的一致性生成模型。

  论文 ↗ arXiv ↗
• 2025

  大卫与歌利亚：小型一步模型通过得分后训练超越大型扩散模型

  Weijian Luo , Colin zhang, Debing Zhang, Zhengyang Geng

  ICML，2025

  David and Goliath: Small One-step Model Beats Large Diffusion with Score Post-training

• 2025

  dots.vlm1 技术报告

  hi-lab multimodal team, Xiaohongshu Inc.

  预印本，2025

  Technical report of the dots.vlm1

• 2025

  Reward-Instruct：以奖励为核心的快速照片级图像生成

  Yihong Luo*, Tianyang Hu*, Weijian Luo , Kenji Kawaguchi, and Jing Tang

  NeurIPS，2025

  Reward-Instruct: A Reward-Centric Approach to Fast Photo-Realistic Image Generation

• 2025

  Self-Guidance：让流模型与扩散模型自我提升

  Tiancheng Li, Weijian Luo* , Zhiyang Chen, Liyuan Ma, Guo-Jun Qi

  IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI)，2025

  Self-Guidance: Boosting Flow and Diffusion Generation on Their Own

• 2025

  Uni-Instruct：通过统一扩散散度指导训练一步扩散模型

  Yifei Wang, Weimin Bai, Colin Zhang, Debing Zhang, Weijian Luo* , and He Sun

  NeurIPS，2025

  Uni-Instruct: One-step Diffusion Model through Unified Diffusion Divergence Instruction

• 2024

  

  Diff-Instruct++：将一步文生图模型与人类偏好对齐

  Weijian Luo

  Transactions on Machine Learning Research (TMLR)，2024

  Diff-Instruct++: Training One-step Text-to-image Generator Model to Align with Human Preferences

  让一步图像生成更好地对齐人类偏好。

• 2024

  一步流匹配生成器

  Zemin Huang, Zhengyang Geng, Weijian Luo* , Guo-Jun Qi

  预印本，2024

  One-step Flow Matching Generators

• 2024

  动态调度：通过预测扩散时间实现更快、更好的图像生成

  Zilyu Ye, Zhiyang Chen, Tiancheng Li, Zemin Huang, Weijian Luo , Guo-Jun Qi

  CVPR，2024

  Schedule On the Fly: Diffusion Time Prediction for Faster and Better Image Generation

• 2024

  

  通过得分隐式匹配实现一步扩散蒸馏

  Weijian Luo , Zemin Huang, Zhengyang Geng, J Zico Kolter, Guo-Jun Qi

  NeurIPS，2024

  One-Step Diffusion Distillation through Score Implicit Matching

  通过隐式得分散度梯度，实现无需训练图像的一步扩散蒸馏。

• 2024

  

  变分薛定谔扩散模型

  Wei Deng*, Weijian Luo* , Yixin Tan*, Marin Biloš, Yu Chen, Yuriy Nevmyvaka, Ricky TQ Chen

  ICML，2024

  Variational Schrödinger Diffusion Models

  通过自适应变分得分，实现高效扩散传输与无需轨迹模拟的得分训练。

  论文 ↗ OpenReview ↗
• 2023

  通过基于得分的优化提升对抗鲁棒性

  Boya Zhang, Weijian Luo , Zhihua Zhang

  NeurIPS，2023

  Enhancing Adversarial Robustness via Score-based Optimization

• 2023

  

  Diff-Instruct：从预训练扩散模型迁移知识的通用方法

  Weijian Luo , Tianyang Hu, Shifeng Zhang, Jiacheng Sun, Zhengguo Li, Zhihua Zhang

  NeurIPS，2023

  Diff-instruct: A Universal Approach for Transferring Knowledge from Pre-trained Diffusion Models

  将扩散模型的知识迁移到一步生成器。

• 2023

  

  扩散模型知识蒸馏综述

  Weijian Luo

  arXiv 预印本，arXiv:2304.04262，2023

  A Comprehensive Survey on Knowledge Distillation of Diffusion Models

  系统梳理扩散蒸馏、隐式生成器与无需训练的加速采样方法。

• 2023

  可扩展神经隐式采样器的熵训练方法

  Weijian Luo , Boya Zhang, Zhihua Zhang

  NeurIPS，2023

  Entropy-based Training Methods for Scalable Neural Implicit Samplers

• 2023

  SA-Solver：用于扩散模型快速采样的随机 Adams 求解器

  Shuchen Xue, Mingyang Yi, Weijian Luo , Shifeng Zhang, Jiacheng Sun, Zhengguo Li, Zhiming Ma

  NeurIPS，2023

  SA-Solver: Stochastic Adams Solver for Fast Sampling of Diffusion Models

* 表示共同贡献或通讯作者。 探索研究方向  ›