DeepMind 团队新论文：用对抗学习自动学 CFG 引导调度

kwangmoo_yi · x · 2026-08-18

arXiv 新论文《Adversarial Learning of Classifier-Free Guidance Schedules》（Pokle、Galashov 等，含 Doucet、De Bortoli 等 DeepMind 研究者）研究文生图扩散模型中 CFG scale 的老问题：静态、全局的 scale 对所有 timestep 和样本未必最优。论文将「学习随扩散时间、条件和当前噪声样本变化的引导调度」建模为密度比估计问题：用一个判别器估计真实分布与引导分布之间随时间变化的 log 密度比，一个轻量生成器网络预测状态相关的最优 guidance scale。实验上该方法在文生图基准上优于人工启发式 CFG 调度和已有的动态引导学习方法。分享者感慨：这是不是又回到对抗训练了？