Peningkatan Skala Inferensi Model Difusi Paradigma Baru
Penelitian terbaru menunjukkan bahwa peningkatan komputasi selama inferensi dapat meningkatkan kualitas sampel yang dihasilkan pada model difusi. Kerangka kerja yang diusulkan berfokus pada pencarian kebisingan sampling optimal melalui penggunaan verifikator dan algoritma pencarian yang berbeda. Hasilnya menunjukkan bahwa penskalaan inferensi efektif, dan kombinasi komponen yang fleksibel dapat disesuaikan untuk berbagai aplikasi. Algoritma pencarian yang lebih canggih, seperti Zero-Order dan Path Search, membantu mengurangi 'verifier hacking' dan meningkatkan kualitas sampel, bahkan dengan model yang lebih kecil. Selain itu, metode ini kompatibel dengan model yang disetel dengan baik dan dapat meningkatkan kinerja model yang sudah selaras.