文本模板令牌是扩散 Transformer 中的隐式语义寄存器

论文提出针对大规模扩散 Transformer 的因果可解释性框架，发现结构性模板令牌虽几乎不携带初始提示语义，却会成为图像到文本注意力的主要汇聚点，并因潜变量回读而维持对象身份。作者据此提出免训练剪枝规则，可减少20%注意力 FLOPs，GenEval 仅下降1.4分。