第47集小皮更正：Stable Audio Open Small變快主要不是靠蒸餾，而是對抗式後訓練ARC。不靠老師模型，靠一個專門挑毛病的評審。對抗的點子來自2014年Ian Goodfellow等人的生成對抗網路GAN：生成器像做假鈔、判別器像驗鈔員。研究團隊先訓練好整流模型（Rectified Flow），主體從約10.6億參數瘦身到3.4億，原本要50步，後訓練請評審特訓到只走8步。第一招相對式對抗：同一句提示的真錄音和生成作品擺在一起，評審要說哪個比較真。第二招對比式：把提示洗牌，評審要抓出配錯的提示，學會檢查貼不貼題，因此不用第42集的CFG（每步算兩次、一次有提示一次沒有、再放大差距），每步只算一次，記憶體省將近一半。成果：H100生成12秒立體聲約75毫秒、RTX 3090 187毫秒、Arm手機約6.6秒。聽眾測驗的多樣性ARC 4.4分、蒸餾派Presto! 2.7分，代價是音質和貼題度稍低。而且兩篇的第一作者都是Zachary Novack。
參考資料：
ARC（Novack et al. 2025）：https://arxiv.org/abs/2505.08175
Stable Audio Open Small：https://huggingface.co/stabilityai/stable-audio-open-small
Generative Adversarial Networks（Goodfellow et al. 2014）：https://arxiv.org/abs/1406.2661
The relativistic discriminator（Jolicoeur-Martineau 2018）：https://arxiv.org/abs/1807.00734
Presto!（Novack et al. 2024）：https://arxiv.org/abs/2410.05167
