ENCORE：扩散生成的精确非平衡副本交换控制方法
Get the story
2026年10月5日，arXiv Statistics Machine Learning 发布一手论文，提出 ENCORE 方法，用于扩散模型生成的精确并行推理时控制。研究者称其为首个精确的并行推理时控制方法：每个副本存储生成轨迹，把向上移动变为截断，从而避免模拟难以处理的时间反转。论文称该方法在合成目标、分子 Boltzmann 采样和图像生成上取得有竞争力的准确率与多样性，对采样器扰动保持稳健，并适用于现有 RE 校正无法使用的蒸馏采样器。论文还证明目标不变性，并给出用于调节调度与计算预算的诊断。目前报道仅涉及该论文内容，未见后续验证或独立复现结果。
Generated from reports · updated 1 days ago
Timeline
Follow the coverage from different angles.
- arXiv · Statistics Machine LearningENCORE：用于扩散模型生成的精确非平衡副本交换控制
研究者提出 ENCORE，首个精确的并行推理时控制方法，通过让每个副本存储生成轨迹，把向上移动变为截断，从而避免模拟难以处理的时间反转。该方法在合成目标、分子 Boltzmann 采样和图像生成上取得有竞争力的准确率与多样性，对采样器扰动保持稳健，并适用于现有 RE 校正无法使用的蒸馏采样器。论文还证明目标不变性，并给出用于调节调度与计算预算的诊断。
Heat trend
Current heat 5·Comparable peak 10（Oct 5）·Comparable change over 24 hours -50%
The trend compares only the same participants observed continuously; its range may be smaller than the current heat count. Move or click on the chart to inspect hourly heat; use the left and right arrow keys to switch.