본 논문은 Diffusion Transformer (DiT)의 추론 속도를 향상시키기 위해 Taylor 확장을 활용하는 새로운 접근 방식을 제안합니다. 기존 TaylorSeer의 한계점인 과도한 메모리 사용량과 고정된 캐싱 스케줄 문제를 해결하기 위해, 마지막 블록 레벨에서 Taylor 예측을 수행하고, 첫 번째 블록의 예측 오류를 기반으로 동적 캐싱 메커니즘을 도입합니다. 실험 결과, 제안하는 방법은 FLUX, DiT, Wan Video에서 각각 3.17배, 2.36배, 4.14배의 가속을 달성하면서도 품질 저하를 최소화했습니다.
