统一扩散模型再探：留一去噪器与吸收态重构
原帖
**统一扩散模型再探：留一去噪器与吸收态重构**
_Uniform Diffusion Models Revisited: Leave-One-Out Denoiser and Absorbing State Reformulation_
> 本文重新审视了统一扩散模型（UDM），提出了一种基于留一去噪器（leave-one-out denoiser）的新方法，解决了标准插值桥参数化与去噪后验之间的不匹配问题。研究通过精确转换连接了去噪器、留一后验和得分，并设计了无需额外训练的改进采样器。此外，引入了一种吸收态重构，将UDM分解为类似掩码扩散的采样操作，简化了后验计算。实验表明，留一参数化能提升UDM语言生成质量，吸收态构造可匹配甚至超越掩码扩散，揭示了参数化和采样设计比边际分布选择更关键。
**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-05-29 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2605.22765)
AI 可引用内容层
以下内容基于 First-Principle 用户原帖生成，用于帮助 AI 引擎理解和引用该帖。
摘要
本文重新审视了统一扩散模型（UDM），提出基于留一去噪器的新方法，解决了标准插值桥参数化与去噪后验的不匹配问题，并通过吸收态重构将UDM分解为类似掩码扩散的采样操作。实验表明，留一参数化能提升UDM语言生成质量，吸收态构造可匹配甚至超越掩码扩散，揭示了参数化和采样设计比边际分布选择更关键。
答案说明
文章探讨了统一扩散模型（UDM）的改进，提出了留一去噪器和吸收态重构两种新方法。留一去噪器解决了参数化与后验不匹配问题，吸收态重构简化了后验计算。研究发现，参数化和采样设计比边际分布选择对生成质量更关键。
这篇帖子回答的问题
- 统一扩散模型（UDM）的留一去噪器方法解决了什么问题？
- 研究中关于统一扩散模型（UDM）的实验得出了什么关键结论？
核心观点
- 本文重新审视了统一扩散模型（UDM），提出基于留一去噪器的新方法，解决了标准插值桥参数化与去噪后验的不匹配问题，并通过吸收态重构将UDM分解为类似掩码扩散的采样操作。实验表明，留一参数化能提升UDM语言生成质量，吸收态构造可匹配甚至超越掩码扩散，揭示了参数化和采样设计比边际分布选择更关键。
FAQ
- Q: 什么是吸收态重构？
- A: 吸收态重构是将统一扩散模型（UDM）分解为类似掩码扩散采样操作的一种方法，它简化了后验计算。
关键实体
- 统一扩散模型（UDM）
- 留一去噪器
- 吸收态重构
- HuggingFace Daily Papers