一秒钟判断水务告警，一步出图看网络深度

两个看似无关的新工作，都在回答同一个问题：计算量能不能被搬到一个更便宜的地方去？一篇把关键基础设施的告警分诊从 LLM 搬到一秒级免训练模型，一篇把扩散模型摊在采样步上的计算折进网络深度。

HydroJEV：给水务 SCADA 配个秒级分诊台

供水网络的调度员看到告警，要在网络攻击、物理故障、正常暂态、坏传感器四类里快速判断。有监督分类器缺标注，大模型又太慢。Tianwei Mu 等人的 HydroJEV（arXiv:2610.02048）给出一个免训练模型，约一秒返回类别概率，再配一道门控级联：良性判定必须同时被规则树确认，双确认放行，剩下的疑难窗口才交给 LLM 评审。

验证做得相当讲究：四轮密封预注册，宏 F1 约 0.62 至 0.64，胜过手写规则树的 0.56 至 0.61；在未见事件子型上胜过有监督分类器；比前沿 LLM 快 20 至 40 倍；级联为 LLM 评审省下 35 至 38% 的窗口且不掉精度；不做任何改动迁移到另外两个水网，非劣效边界内成立。对运维告警量大的平台，这个三道分级诊的架构直接可以抄。页面未见代码链接。

Depth as Time：单步生成没有丢掉时间

扩散模型蒸馏成单步生成后，原本摊在采样步上的去噪轨迹去哪了？Arnold Caleb Asiimwe 等人的论文（arXiv:2610.03626）给出一个漂亮的实证发现，命名为 depth as time：这些计算没有消失，而是展开在了单次前向传播的网络深度上，用模型自己的输出头逐层解码就能把去噪轨迹复现出来。

这个层内行为取决于训练任务：MeanFlow 模型在单次评估里同时呈现去噪与再加噪；没有时间索引传输任务的模型则没有这种深度方向结构。更有工程味的是可压缩性：把逐层计算显式当作流来处理，MeanFlow SiT-L/2 被压缩 16.6 倍参数塞进单个时间条件块。单步生成不是消除了扩散的时间计算，而是把它重排进了深度。该篇未见代码链接。

放在一起读

一篇用级联把昂贵计算留到最后，一篇把时间计算搬进深度省掉整段采样。算力紧张时期，计算的位置比计算的总量更值得设计，这条工程直觉在两篇论文里各自成立。