LatticeSMC：分块生成推理算力分配新采样器

Xuanchen Wang、Heng Wang 和 Weidong Cai 提交论文，提出预算匹配的分块引导方法与 LatticeSMC 采样器，用于音乐、动作和视频等分块长序列生成中的推理时算力分配。该采样器基于 Feynman-Kac 模型，在 chunk 索引与去噪步构成的二维格点上采样。 作者称，在算力匹配条件下，音乐到舞蹈扩散和 40 秒文本到音乐生成任务中，32 粒子时节拍对齐从 0.234 提升至 0.441（best-of-N 为 0.354），提示词遵循度从 0.470 提升至 0.560，同时保持留出集质量；长程奖励上仍具优势，人类评分者在 60% 至 77% 的成对比较中更偏好该方法。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。