--- format: "aidr-story-markdown/v1" id: "2da50561f4c6cf287215b33011779d7bb027f9a4441529d67c7a5ab07d0d2d19" canonical_url: "https://aidr.today/2da50561?lang=vi" title: "Khớp phân phối nội tại" lang: "vi" requested_lang: "vi" available_langs: ["en","vi"] translation_fallback: null fallback_fields: [] published_at: "2026-10-30T00:00:00.000Z" category: "Research" topics: ["inference"] source_urls: ["https://huggingface.co/papers/2610.39633"] summary: "Các nhiệm vụ tạo ảnh từ văn bản một bước và vài bước phải hiển thị chính xác những chi tiết được chỉ định trong prompt dù có ít cơ hội để tinh chỉnh. Phương pháp rút gọn khớp phân phối (DMD) sử dụng sự chênh lệch điểm số để đưa phân phối sinh ra gần với một phân phối tham chiếu. Theo các nghiên cứu trước, chúng tôi ước lượng sự chênh lệch này bằng các nhánh tốc độ nội tại, tránh mạng lưới điểm số giả mạo riêng biệt. Chúng tôi hỏi liệu một ràng buộc thời gian rõ ràng có verbessere điều khiển điểm số học được không. Phân tích trường reverse-KL thành một thành phần thời gian Gaussian và một phần dư phi-Gaussian xác định những thống kê có thể được ràng buộc một cách rõ ràng. Chúng tôi giới thiệu Intrinsic Distribution Matching (IDM), giữ lại toàn bộ chỉnh sửa DMD và khớp trung bình đặc trưng cũng như độ lệch chuẩn từng tọa độ bằng bản sao trung bình chuyển động mũi (EMA) của bộ tạo, không cần mã hóa đặc trưng bên ngoài. Các thí nghiệm sử dụng điều chỉnh toàn tham số và thích ứng hạng thấp (LoRA) trên Z-Image-Turbo 6B và Qwen-Image 20B. Ở hai lần đánh giá mạng lưới, IDM đạt 94,25% và 90,20% trên LongText-Bench tiếng Trung và tiếng Anh, là điểm số cao nhất trong số các phương pháp so sá…" --- # Khớp phân phối nội tại > [Open the canonical story]() **Published:** 2026-10-30T00:00:00.000Z **Category:** Research **Topics:** inference ## Summary Các nhiệm vụ tạo ảnh từ văn bản một bước và vài bước phải hiển thị chính xác những chi tiết được chỉ định trong prompt dù có ít cơ hội để tinh chỉnh\. Phương pháp rút gọn khớp phân phối \(DMD\) sử dụng sự chênh lệch điểm số để đưa phân phối sinh ra gần với một phân phối tham chiếu\. Theo các nghiên cứu trước, chúng tôi ước lượng sự chênh lệch này bằng các nhánh tốc độ nội tại, tránh mạng lưới điểm số giả mạo riêng biệt\. Chúng tôi hỏi liệu một ràng buộc thời gian rõ ràng có verbessere điều khiển điểm số học được không\. Phân tích trường reverse\-KL thành một thành phần thời gian Gaussian và một phần dư phi\-Gaussian xác định những thống kê có thể được ràng buộc một cách rõ ràng\. Chúng tôi giới thiệu Intrinsic Distribution Matching \(IDM\), giữ lại toàn bộ chỉnh sửa DMD và khớp trung bình đặc trưng cũng như độ lệch chuẩn từng tọa độ bằng bản sao trung bình chuyển động mũi \(EMA\) của bộ tạo, không cần mã hóa đặc trưng bên ngoài\. Các thí nghiệm sử dụng điều chỉnh toàn tham số và thích ứng hạng thấp \(LoRA\) trên Z\-Image\-Turbo 6B và Qwen\-Image 20B\. Ở hai lần đánh giá mạng lưới, IDM đạt 94,25% và 90,20% trên LongText\-Bench tiếng Trung và tiếng Anh, là điểm số cao nhất trong số các phương pháp so sá… ## Sources - [Story source]()