# CacheScope يسرّع نماذج الانتشار بلا تدريب إضافي

> تقلّص طريقة CacheScope الجديدة زمن الاستدلال حتى 3.5× مع الحد من تراجع جودة الصور، وتعمل على FLUX.1-dev وWan2.1-T2V-1.3B وOpen‑Sora 1.2.

Oossa · 2026-10-12 · https://oossa.com/ar/cachescope-speeds-up-diffusion-models-without-extra-training

قدّم باحثون بقيادة Qinhan Lyu تقنية CacheScope، التي تحدد متى تستخدم الحساب الكامل لإزالة الضوضاء ومتى تعيد استخدام تقديرات مخزّنة مؤقتًا أثناء استدلال نماذج الانتشار. ولا تحتاج إلى تدريب إضافي أو تدرجات أو شبكات منفصلة. وفي ثلاثة نماذج انتشار شائعة، تسرّع توليد الصور حتى 3.57 مرة، وتخفض وسيط خطأ LPIPS بنسبة تصل إلى 70.1% مقارنةً بأقوى طريقة حالية تعتمد على المجسّات.

## الحقائق

- نُشرت الورقة على arXiv في 2026-10-12
- تسريع يصل إلى 3.57× وخفض بنسبة 70.1% في LPIPS على النماذج المختبرة

## لماذا يهم

يمكن للمطورين توليد الصور بسرعة أكبر وبدقة أعلى، من دون إنفاق موارد على تدريب إضافي.

## المصادر والمراجع

1. [CacheScope: Exact-Compute Allocation for Training-Free Diffusion Acceleration](https://arxiv.org/abs/2610.12530) – arXiv cs.LG, 2026-10-12

آخر تحديث: 2026-10-12