扩散模型在生成人工智能领域中产生了重大影响，并逐渐被探索用于判别表示学习。扩散变换器（DiT）作为一种有前景的替代传统U-Net扩散模型的方法，展现了通过生成预训练在下游判别任务中的潜力。然而，其当前的训练效率和表示能力受到时间步搜索不足和DiT特定特征表示利用不足的限制。为了解决这一问题，提出了自动选择时间步（A-SelecT），该方法能够动态识别DiT中最具信息量的时间步，从而提升模型的性能和...