LiFT: núcleo DiT compartilhado para inferência iterativa de imagens
Item do Radar: o LiFT reaplica um núcleo Diffusion Transformer compartilhado e, segundo a publicação, supera um DiT denso no ImageNet 256×256 com cerca de 60% menos parâmetros.
Segundo o item do Radar com data de 6 de outubro de 2026, o LiFT aplica repetidamente um núcleo Diffusion Transformer compartilhado ao longo de um caminho de profundidade contínuo. A publicação relata que, no ImageNet 256×256, o método supera um baseline DiT denso com cerca de 60% menos parâmetros. Segundo a fonte, a abordagem amplia a computação na inferência sem retreinar o modelo.
O tema é arquitetura de modelos de difusão para imagens e não um recurso da Rota Nacional. A plataforma não oferece este modelo nem afirma reproduzir o método. Para verificar, consulte a publicação original citada na fonte do Radar e confira os números de benchmark, a métrica usada e as condições do experimento antes de citá-los. Se usar IA para estudar o material, não cole dados pessoais ou documentos internos da organização nos prompts.