扩散模型推理时对齐引入风险规避框架

Yuchen Liang 与 Xian Yu 提出一种风险规避的扩散模型推理时对齐框架，在轨迹级 KL 正则化下同时权衡期望成本与条件风险价值（CVaR），并把对齐问题化简为关于 CVaR 阈值的单维优化问题。 该问题一般非凸，作者给出凸性充分条件，并引入二次正则化以支持无导数三分搜索，同时提供阈值优化与价值估计的有限样本保证。 在合成数据和 Stable Diffusion 图像生成实验中，该方法在保持平均成本竞争力的同时改善了尾部表现。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。