0
0这期聊 Nucleus AI 的 Nucleus-Image，看看它如何把 170 亿参数的 Diffusion Transformer 做成稀疏 MoE，并把单次激活压到约 20 亿。核心亮点是 decoupled routing 和 Expert-Choice Routing，让扩散模型里的专家分工不只看时间步，而能更稳定地按内容路由。我们也会讲它在 GenEval、DPG-Bench、OneIG-Bench 上为什么有竞争力，以及这条 sparse MoE 路线为何可能成为图像生成的新 scaling 方向。
00:00 背景与动机
02:10 方法拆解
06:17 实验结果解读
12:42 图表导读
14:23 评价与讨论
16:22 延伸思考
Source: paper | arxiv.org
