arXiv · ML· Jeongwoo Shin, Dongsoo Shin, Yuchen Zhu, Wei Guo, Yongxin Chen, Joonseok Lee, Jaewoong Choi, Jaemoo Choi·· 7 小时前AI 评分26
EAM 方法高效微调扩散模型
Efficient Adjoint Matching for Fine-tuning Diffusion Models
AI 导读
研究提出高效伴随匹配（EAM）方法，通过线性基漂移重构优化控制问题，消除随机轨迹模拟与反向伴随模拟瓶颈。 EAM 在文本生成图像奖励微调基准上收敛速度比 AM 快 4 倍，且在 PickScore、ImageReward、HPSv2.1 等指标上达到或超越 AM 性能。 该方法显著降低扩散模型微调计算成本，论文已被 NeurIPS 2026 收录为 Spotlight。
来源：arXiv · ML · arxiv.org