Best-of-N Guidance（BoNG）提出测试时扩散模型对齐方法
基于论文摘要，BoNG 将 Best-of-N 选择嵌入扩散模型的反向去噪过程，引导样本生成至高奖励区域。方法通过当前 Best-of-N 粒子引导其余粒子，在36项实证比较中有29项表现最佳，对 SMC 和 Vanilla BoN 的比较中有80.56%排名第一；多输出实验达到基于样本的引导方法1.3倍的 ImageReward 分数，速度提升1.6倍。
动态展示门槛：AI 前沿与应用 ≥ 65 分，量子方向 ≥ 60 分；已确认精选照常展示。
基于论文摘要，BoNG 将 Best-of-N 选择嵌入扩散模型的反向去噪过程，引导样本生成至高奖励区域。方法通过当前 Best-of-N 粒子引导其余粒子，在36项实证比较中有29项表现最佳，对 SMC 和 Vanilla BoN 的比较中有80.56%排名第一；多输出实验达到基于样本的引导方法1.3倍的 ImageReward 分数，速度提升1.6倍。