导读 该研究由纽约大学、麻省理工学院及谷歌团队共同完成，针对扩散模型推理时间扩展的瓶颈，提出了一个创新框架。该框架通过验证器反馈和算法优...
该研究由纽约大学、麻省理工学院及谷歌团队共同完成，针对扩散模型推理时间扩展的瓶颈，提出了一个创新框架。该框架通过验证器反馈和算法优化噪声候选，以SiT-XL模型为基础，在固定去噪步骤下引入额外计算资源，实现了性能提升。
实验采用IS和FID验证系统，结果显示该框架在多个基准测试中表现优异。特别是在DrawBench测试中，搜索验证方法持续提升样本质量，ImageReward和Verifier Ensemble取得显著进步。这一发现证实了搜索计算扩展的有效性，并为未来开发更专业的视觉生成任务验证系统提供了方向。