PreviewDiff：多模态评判引导的扩散模型潜在空间搜索

PreviewDiff 是一种无需训练、测试时搜索方法，将扩散采样从标量搜索转为多模态评判引导的中间潜在空间搜索。在去噪检查点解码局部预览，由多模态评判器评分并给出自然语言反馈，据此分支为语义提示编辑和局部重噪声潜在延续，再评分并选择性前向推进。图像与视频生成基准上，PreviewDiff 一致优于等预算 Best-of-N 与强标量搜索基线，更早干预与更大搜索宽度收益最大。