新方法用推测草稿树加速扩散模型采样
原文标题：Accelerating Diffusion Sampling via Speculative Draft Trees
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文将扩散模型中的投机采样与相对熵编码（REC）联系起来，指出前瞻草稿不必是线性链，从而提出草稿树结构以丰富每轮候选。采用贪心拒绝采样作为草稿-目标耦合，在保证精确目标样本的同时提升接受率，实际场景下比反射耦合基线最高加速8.3%。
- 问题
- 扩散模型投机采样中前瞻草稿被限制为线性链，接受率受限。
- 方法
- 将投机采样与相对熵编码联系，提出草稿树结构并采用贪心拒绝采样作为草稿-目标耦合。
- 结果
- 实际场景下比反射耦合基线最高加速8.3%
- 影响
- 在不牺牲精确目标分布的前提下加速扩散采样，可直接用于图像/视频生成推理优化。
深读 · 结论先行AI 生成展开看要点与影响 ↓
新方法把扩散投机采样的线性草稿链改为草稿树，实际场景比反射耦合基线最高加速8.3%。
- •论文将扩散模型投机采样与相对熵编码REC联系起来，指出前瞻草稿不必是线性链
- •提出草稿树结构，丰富每轮候选，降低目标函数评估次数
- •采用贪心拒绝采样作为草稿-目标耦合，在保证精确目标样本的同时提升接受率
- •在多种目标模型与草稿模型上，实际场景比反射耦合基线最高加速8.3%
- •现有基于反射最大耦合的采样器受拓扑约束，前瞻草稿只能形成链图
为什么重要：扩散模型采样的瓶颈是昂贵的目标评估次数，草稿树若可通用，会直接压低生成延迟而不改变输出分布。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。