用广义 Feynman-Kac 校正器组合与引导扩散模型

研究者提出广义 Feynman-Kac 校正器（GFKC），可从多个预训练扩散模型构成的任意目标函数中采样，无需重训练或微调。该方法证明初始函数与目标函数的几何插值满足 Feynman-Kac 偏微分方程并给出闭式势函数，同时推广对数概率 ODE 以追踪各模型密度，全程在对数域运算并支持奖励引导。在解析高斯模型和 MNIST 扩散模型上验证，可采样非平凡模型组合并实现有效引导。