UC Berkeley 提出 Correction Training，扩散模型可告别 CFG

UC Berkeley 与 Reve 团队（含 Alexei A. Efros 等）发布「Correction Training for Diffusion Models」研究，认为无条件图像生成质量差并非方法天花板而是训练不充分。该方法通过纠错训练让扩散模型无需 classifier-free guidance 即可生成高质量图像，显著提升无条件生成质量，在 Reddit 上引发关注与讨论。

2026-10-14 ~ 2026-10-14 · 3 条相关

• UC Berkeley 提出纠错训练：扩散模型无需 CFG 也出高质量图 — kastnerkyle · 2026-10-14
• Correction Training 让扩散模型摆脱 CFG,无条件生成质量大增 — RubenEVillegas · 2026-10-14
• 不用 CFG 的扩散模型：Correction Training 显著提升无条件生成质量 — Apprehensive_Sky892 · 2026-10-14