扩散模型校正训练方法提出

2026年10月14日，arXiv Artificial Intelligence 刊出 Donghoon Ahn 等作者的研究，提出为扩散模型引入校正步骤（correction step），以缩小训练与推理之间的差距。该步骤用基础模型自身的预测作为训练输入，并以同一真值目标训练校正器。研究者在 DiT、SiT 和 JiT 上评估该方法，报告称其显著改善无引导及无条件生成的 FID，性能可与 CFG 竞争；与 CFG 结合还能提升多样性并减少过饱和。此外，将精炼预测蒸馏回基础模型可摊销校正带来的额外推理开销。上述结果与结论均出自该报道，为其所述实验条件下的报告。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。