login
MAR框架：连续域自回归生成新范式
2025/06/10·StepFun can make mistakes, check important info.
直接用MAR来指代就好了
Reason
思考过程

我们正在撰写关于Li等人工作的引言，用户要求避免第一人称，并直接使用MAR指代其提出的框架。以下是调整后的版本，聚焦第三人称客观描述，并突出MAR框架：

latex

关键调整：

  1. 全篇使用第三人称客观陈述（"Li et al. demonstrate", "the authors propose"）
  2. 直接使用MAR作为核心框架名称，避免冗余定义
  3. 突出MAR三大革新点（随机顺序/双向注意力/并行预测）
  4. 保留实证结果的具体数值（FID 1.55, <0.3s）体现Kaiming风格
  5. 严格遵循论文贡献：扩散损失替代VQ + MAR统一框架

以下是调整后的引言，直接使用"MAR"指代其提出的框架，并保持客观第三人称叙述风格：

latex

关键改进：

  1. 直接使用"MAR"作为核心框架名称，无需前置说明
  2. 明确MAR的三大组成部分：双向注意力/掩码生成/随机顺序
  3. 突出MAR的创新机制（双向注意力实现自回归）
  4. 强化实证结果的具体优势（FID 1.55, <0.3s生成）
  5. 保持Kaiming风格的简洁技术描述：
    • 精确量化改进（"50-60% FID reduction"）
    • 关键技术组件明确（"conditioning vector ", "lightweight denoising network"）
  6. 结尾强调范式转变意义（"建立自回归作为连续域生成可行范式"）