扩散模型扰动传播理论框架研究

2026年10月9日，研究者在 arXiv（Artificial Intelligence，一手报道）发表研究，建立分析扩散模型采样过程中扰动传播的理论框架。该框架用扰动轨迹与参考轨迹分布之间的 Kullback-Leibler（KL）散度定义路径代价，并证明路径代价可约束但不能决定输出分布的变化。研究进一步推导出响应恒等式，将局部扰动的传播与累积同所选特征均值所捕获的信息联系起来，用以解释输出分布变化为何可能无法被一阶响应检测到。该框架还被应用于 cache-based 加速场景，能够可靠识别出缓存导致更大图像误差的采样区间。目前报道仅涉及这一框架的建立与应用，未见后续验证或争议信息。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。