D2C：可微扩散条件化优化方法

研究者 Ricardo Luna Gutierrez 等提出 Differentiable Diffusion Conditioning（D2C）离线模型优化方法。该方法利用确定性采样使逆向去噪链对条件信号可微，从而把冻结的条件扩散模型变成端到端梯度优化器：测试时通过冻结的代理目标和物理约束惩罚回传梯度，直接优化条件变量。 作者称，D2C 在惯性约束聚变激光脉冲优化和可持续数据中心负载调度两项真实任务上取得最强结果，并在四个 Design-Bench 任务上取得最佳平均排名。

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。