arXiv · cs.AI· Jaehyeon Kim, Ziseok Lee, Siyoung Choi, Kyungsu Kim·· 6 小时前
VISTA 为离散扩散提出自动选择引导时间步的训练无关方法
Value-Informed Schedule Trimming for Accelerated Sequential Monte Carlo Guidance in Discrete Diffusion
arXiv:2610.20669v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Jaehyeon Kim, Ziseok Lee, Siyoung Choi, Kyungsu Kim
研究任务与主要进展
基于论文摘要，VISTA 将稀疏序列蒙特卡洛引导表述为对理想全引导概率路径的近似，并通过价值统计和动态规划在固定预算下自动选择引导时间步。VISTA 在文本、生物序列和图像生成任务的多数测试设置中超过手工稀疏调度，在若干任务指标上接近或超过全引导；有毒文本生成示例中，独特有害文本比例为0.99，而全引导为1.00，生成后筛选延迟从204.23秒降至38.16秒，速度提升5.35倍。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org