COFFEE：面向离散扩散的未来感知目标引导框架

COFFEE 是一个即插即用的离散扩散模型引导框架，旨在解决传统引导方法在离散扩散中因枚举所有补全而导致的指数级计算增长问题。该框架通过将序列依赖与目标解耦，在每一步扩散中利用无目标载体吸收去噪器的边际分布，并用编译的有限状态模型记录组合对序列级偏好的影响，从而在不重新训练的前提下将全局偏好转移到未解析位置。实验覆盖符号、语言和生物多个基准，展现出任务依赖的质量与多样性权衡。

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。