arXiv 论文：为扩散模型引入校正训练步骤
原文标题：Correction Training for Diffusion Models
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。
针对扩散模型迭代采样中的误差累积与曝光偏差，论文提出一个校正器（corrector），以基础模型预测为输入、对同一真值目标训练，在每步去噪中迭代精修干净样本预测。方法在 DiT、SiT、JiT 上显著改善无引导与无条件生成的 FID，性能可与 CFG 竞争，并可通过蒸馏回基础模型摊薄推理开销。
- 问题
- 扩散模型迭代采样存在曝光偏差与误差累积，无CFG时生成质量差。
- 方法
- 训练一个校正器，以基础模型预测为输入、对同一真值目标学习，在每步去噪中迭代精修干净样本预测。
- 结果
- 在DiT、SiT、JiT上显著改善无引导与无条件生成的FID，性能可与CFG竞争。
- 影响
- 为扩散模型提供可替代或补充CFG的校正模块，且可蒸馏回基础模型摊薄推理开销。
深读 · 结论先行AI 生成展开看要点与影响 ↓
为扩散模型加校正器，无引导与无条件生成FID显著改善，可与CFG竞争。
- •针对迭代采样误差累积与曝光偏差：去噪器训练见真实图像加噪，推理却用自身不完美预测
- •校正器以基础模型预测为输入、对同一真值目标训练，把校正变成显式学习任务
- •采样时每步去噪迭代精修干净样本预测，防止早期伪影残留到最终样本
- •仅在基础去噪器预测上训练，推理时可反复应用于自身输出
- •在DiT、SiT、JiT上显著改善无引导与无条件生成FID，且可通过蒸馏回基础模型摊薄推理开销
为什么重要：若无需CFG即可获得高质量样本，可能改变扩散模型推理流程的默认配置，对生成模型工程实践有影响。
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。