NeurIPS 2025 Spotlight | 中国联通以全局优化重塑扩散模型加速

作者和团队介绍：本文一作是高焕霖和陈平，通讯作者为赵放和廉士国，其他作者还包括石芙源、谭超、 刘兆祥、王恺，所有作者均来自联通数据智能有限公司（联通数据科学与人工智能研究院）元景大模型研 发团队。 当前，视频生成模型性能正在快速提升，尤其是基于Transformer架构的DiT模型，在视频生成领域的表现已 经逐渐接近真实拍摄效果。然而，这些扩散模型也面临一个共同的瓶颈： 推理时间长、算力成本高、生成 速度难以提升 。随着视频生成长度持续增加、分辨率不断提高，这个瓶颈正在成为影响视频创作体验的主 要障碍之一。 来自 中国联通数据科学与人工智能研究院 的研究团队提出了一个全新的思路 ： LeMiCa（Lexicographic Minimax Path Caching） —— 一种无需训练、全局最优建模的缓存加速框架， 能在保持画质与一致性的同 时，实现高效的推理加速。LeMiCa解决的是一个长期被"局部贪心决策"束缚的老问题： 扩散模型是否存在 一种真正"全局一致、误差可控、速度极快"的缓存加速路径？ 研究答案是：有。并且比想象中简单得多。 这项研究已经成功入选 NeurIPS 2025 Spotlight。 ...