研究者提出GFKC组合与引导扩散模型

Wael Mattar 和 Daniel Freedman 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，无需重新训练或微调。 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。 研究者在解析高斯模型和 MNIST 扩散模型上验证，称其可采样非平凡的模型组合并实现有效引导。

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。