研究揭示CFG失真机制并提出新引导调度

Enrico Ventura 等人发表论文，用统计物理工具分析无分类器引导（CFG）扩散模型中生成分布与真实条件分布的失配。在高维高斯混合模型中，动态平均场理论显示：当类别数随数据维度指数增长时，失真持续存在；在次指数区间，失真因动力学相变而消失；在无限类别极限下，失真无论维度如何都不可避免。 作者指出，标准 CFG 调度无法阻止方差收缩，并提出含负引导窗口的引导调度。在真实潜扩散模型中，该调度同时改善了类别可分性与样本多样性。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。