少步扩散蒸馏，让图像生成快如闪电
CDM（Continuous-Time Distribution Matching）是一个面向少步扩散蒸馏的开源项目，旨在解决扩散模型生成速度慢的问题。它通过连续时间分布匹配方法，将预训练的多步扩散模型（如Stable Diffusion 3）蒸馏为仅需少量采样步数（如1-4步）的快速生成模型，同时保持生成质量。项目核心能力包括：支持SD3和Stable Diffusion系列模型，提供训练和推理代码，并集成了LongCat等先进技术。它适用于图像生成加速、实时交互式创作等场景，为扩散模型的高效部署提供了新方案。
Progressive Distillation、Consistency Models、Adversarial Diffusion Distillation
CDM 是模型训练领域的开源项目，由 byliutao 开发，是 2026 年新上线的项目。
它收录于模型训练分类，该分类目前共有 522 个项目，GitHub 星标数为 155。
项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-23。MIT许可证，完全免费，可自行部署使用。
它主要面向的使用场景是：实时图像生成应用，如交互式设计工具。同类可对比的替代方案包括 Progressive Distillation、Consistency Models、Adversarial Diffusion Distillation。
Long-RL
开源
让强化学习轻松驾驭超长序列，训练更稳更快
Long-RL: Scaling RL to Long Sequences (NeurIPS 2025)
TPA
开源
把注意力复杂度从平方降到线性，长序列不再卡顿
[NeurIPS 2025 Spotlight] TPA: Tensor ProducT ATTenTion Transformer (https://arxiv.or···
minimind
开源
两小时造出你的小模型，练手入门不求人
Train a 64M-parameter LLM from scratch in just 2h!
pruna
开源
一键优化 AI 模型，推理提速又省资源。
Pruna is a model optimization framework built for developers, enabling you to delive···
