Мащабиране на Извода на Дифузионни Модели Нова Парадигма
Изследване на ефективността на мащабирането по време на извод при дифузионни модели, откривайки, че увеличаването на изчислителните ресурси води до по-високо качество на генерираните образци. Рамката позволява гъвкави комбинации от компоненти, а търсенето на по-добър шум е друг начин за мащабиране на NFE. Използват се верификатори и алгоритми за намиране на оптимален шум, като се тестват различни сценарии и алгоритми за търсене. Прилага се към по-големи текстово-базирани генериращи задачи, като се анализира съгласуването на верификатор-задача и ефективността на алгоритъма. Методът е съвместим с фино настроени модели и изследва ефектите от различни измерения на изчисленията по време на извод, като показва ефективността на мащабирането дори при по-малки дифузионни модели.