VaLoP：面向奖励引导扩散模型的价值梯度前瞻与回拉方法

研究者提出 VaLoP 与 VaLoP-Fast，通过评估更少噪声状态下的价值并将梯度回拉到当前状态，降低奖励引导扩散采样中价值梯度的后验协方差误差。VaLoP 用一次向量-雅可比积计算生成器校正项，VaLoP-Fast 则用小型预测头摊销该计算，在文生图模型上仅需训练单个奖励即可复用于其他奖励。