标签
FlowBudget 提出一种免训练的采样预算估计方法，通过无需仿真的插值探针估计相对于求解器的采样复杂度，从而在不进行 FID 与 NFE 扫描的情况下，确定流匹配模型所需的函数求值次数（NFE）。
论文提出 Rank-Aware Speculative Sampling（RASS），一种基于 rank-aware list coupling 的扩散草稿树验证规则，通过对候选按 proposal-target 均值位移排序并优化秩权重以最小化总变差，在保持精确采样的同时加速扩散生成，在 CIFAR-10 上相比 D-GRS 节省约 20% 目标模型评估。
清华大学的一篇论文揭示，大语言模型中的强化学习并不能增强推理能力，而是提高了采样效率，缩小了模型的推理路径，如基准测试所示。
OpenAI 推出 sCM（简化连续时间一致性模型），这是一种新方法，可将一致性模型扩展至 1.5B 参数，通过仅 2 个采样步骤生成高质量样本，相比扩散模型实现约 50 倍的加速。该方法展示了与最先进扩散模型相当的样本质量，同时有效采样计算量不足 10%。