arXiv 新增 + representation autoencoder distillation · P0 · 2026-06-17

Distilling Drifting Transformers with Representation：它和通用视觉自监督的关系在于：接续 RAE/DiT 热点，讨论 DINO-rich latent 的曲率/各向异性如何影响 flow/distillation

高相关；详见方法、贡献和实验边界。

Distilling Drifting Transformers with Representation Autoencoders　arXiv 新增 + representation autoencoder distillation　原文链接

编号2606.15553 优先级P0 类别arXiv 新增 + representation autoencoder distillation 会议arXiv 新增 + representation autoencoder distillation 方法接续 RAE/DiT 热点，讨论 DINO-rich latent 的曲率/各向异性如何影响 flow/distillation 来源arXiv / OpenReview

先说结论。它和通用视觉自监督的关系在于：接续 RAE/DiT 热点，讨论 DINO-rich latent 的曲率/各向异性如何影响 flow/distillation。高相关；详见方法、贡献和实验边界。

**Figureure 2 · : Visualizations of generated samples from distilled DiTDH-XL (FID = 1**Figure 2: Visualizations of generated samples from distilled DiTDH-XL (FID = 1.77).这张可视化用来解释 Distilling Drifting Transformers with Representation 学到的中间表征或对齐关系。重点看它是否支持正文里的机制判断。

**Curvatures of ODE trajectories v.s**Curvatures of ODE trajectories v.s. t Figure 1: Curvatures of ODE trajectories in RAE and SD-VAE latent spaces.这张图来自论文 PDF 的结构化抽取。当前用于辅助理解 Distilling Drifting Transformers with Representation 的方法或实验，请结合正文精读段落一起看。

核心问题

它和通用视觉自监督的关系在于：接续 RAE/DiT 热点，讨论 DINO-rich latent 的曲率/各向异性如何影响 flow/distillation。

方法拆解

接续 RAE/DiT 热点，讨论 DINO-rich latent 的曲率/各向异性如何影响 flow/distillation

主要贡献

高相关；详见方法、贡献和实验边界。

实验看点

实验部分建议重点看两类证据：一是作者是否把方法收益和更强数据、更长训练、更大模型区分开；二是跨模型、跨数据或跨任务迁移是否还能保留同样趋势。

局限与读法

这篇论文的结论需要结合任务设置、训练数据规模和消融实验一起看；不要只凭单个指标判断它对通用视觉表征的价值。