密歇根大学研究人员提出 MCLR，将引导机制融入训练，降低扩散模型推理成本
密歇根大学研究人员提出了新的训练目标 MCLR，能在训练阶段复现无分类器引导（CFG）的效果。该研究还揭示，CFG 本质上是一种隐式的对比对齐。重要性在于：如果引导可以融入训练而非在推理时计算，扩散模型的运行成本有望降低，对大规模图像和视频生成意义重大。
报道来源
- Alpha Signal2026-10-23 23:31
密歇根大学研究人员提出了新的训练目标 MCLR，能在训练阶段复现无分类器引导（CFG）的效果。该研究还揭示，CFG 本质上是一种隐式的对比对齐。重要性在于：如果引导可以融入训练而非在推理时计算，扩散模型的运行成本有望降低，对大规模图像和视频生成意义重大。