在人工智能生成內(nèi)容（AIGC）領(lǐng)域，擴(kuò)散概率生成模型憑借其卓越的生成能力占據(jù)主導(dǎo)地位，從文生圖到文生視頻，擴(kuò)散模型的應(yīng)用不斷拓展。然而，推理速度慢、訓(xùn)練與推理差異大以及優(yōu)化困難等問(wèn)題，始終制約著其更廣泛的應(yīng)用。近日，一項(xiàng)突破性研究為解決這些難題帶來(lái)了全新思路。

傳統(tǒng)擴(kuò)散模型生成高質(zhì)量?jī)?nèi)容往往需要數(shù)十甚至上百步迭代，從純?cè)肼曋兄鸩交謴?fù)圖像。這帶來(lái)了兩個(gè)核心矛盾：一是推理效率與生成質(zhì)量的難以平衡，減少迭代步數(shù)會(huì)導(dǎo)致畫質(zhì)下降，而追求高質(zhì)量又需忍受漫長(zhǎng)生成時(shí)間；二是理論與實(shí)踐的脫節(jié)，為加速推理，業(yè)界提出多種基于微分方程（ODE）的求解器，但這些方法多為數(shù)值近似技巧，缺乏對(duì)擴(kuò)散過(guò)程本質(zhì)的解釋，且許多加速算法依賴參考軌跡優(yōu)化，增加了計(jì)算開銷并限制了模型泛化能力。

針對(duì)這些問(wèn)題，一項(xiàng)被NeurIPS 2025接收的論文提出全新解法。研究團(tuán)隊(duì)跳出傳統(tǒng)數(shù)值求解思維，從信息感知推理視角出發(fā)，將去噪過(guò)程重構(gòu)為實(shí)時(shí)熵減優(yōu)化問(wèn)題。該研究指出，擴(kuò)散模型的前向擴(kuò)散過(guò)程是向圖像加噪，熵不斷增加；反向去噪過(guò)程則是從混亂中恢復(fù)秩序，條件熵應(yīng)不斷降低。基于此，研究團(tuán)隊(duì)提出“免參考”的自適應(yīng)方差優(yōu)化框架——EVODiff。

在擴(kuò)散模型社區(qū)，一直存在一個(gè)經(jīng)驗(yàn)性共識(shí)：推理生成時(shí)，直接預(yù)測(cè)干凈數(shù)據(jù)（Data Prediction）的參數(shù)化方案比預(yù)測(cè)噪聲（Noise Prediction）的推理范式效果更好，尤其在低步數(shù)下更為顯著。這一現(xiàn)象與MIT何愷明團(tuán)隊(duì)最新發(fā)布的JiT架構(gòu)核心洞察不謀而合。何愷明團(tuán)隊(duì)從“流形假設(shè)”角度指出，自然數(shù)據(jù)位于低維流形，噪聲彌漫于高維空間，神經(jīng)網(wǎng)絡(luò)直接預(yù)測(cè)干凈數(shù)據(jù)比預(yù)測(cè)噪聲更容易。而此次研究在數(shù)學(xué)層面為這一趨勢(shì)提供了堅(jiān)實(shí)理論支撐，首次嚴(yán)格證明“數(shù)據(jù)預(yù)測(cè)參數(shù)化”能更直接最小化重建誤差，更有效降低條件熵。

為在迭代中更高效降低數(shù)據(jù)預(yù)測(cè)的條件熵，EVODiff回顧擴(kuò)散模型高斯建模中條件熵與條件方差正相關(guān)的特點(diǎn)，即每一步推理中動(dòng)態(tài)調(diào)整方差至最小，就能最快逼近真實(shí)圖像。基于此，EVODiff構(gòu)建“無(wú)參考”自適應(yīng)優(yōu)化框架，無(wú)需昂貴預(yù)計(jì)算參考軌跡，僅利用當(dāng)前迭代步驟狀態(tài)差異，通過(guò)計(jì)算開銷極低的閉式解，動(dòng)態(tài)實(shí)時(shí)計(jì)算最優(yōu)方差控制參數(shù)，確保每一步朝最高效收斂路徑前進(jìn)。

EVODiff不僅是一個(gè)理論框架，更是一套可直接落地的實(shí)時(shí)指導(dǎo)算法。其核心特性顯著：一是“免參考”的極致輕量化，與需預(yù)先計(jì)算高成本軌跡的方法不同，它依靠在線計(jì)算，利用當(dāng)前迭代步驟狀態(tài)差異動(dòng)態(tài)優(yōu)化方差，無(wú)額外訓(xùn)練成本和預(yù)處理開銷；二是閉式解的極速計(jì)算，許多優(yōu)化算法需復(fù)雜迭代求解，拖慢推理速度，而EVODiff推導(dǎo)出方差優(yōu)化目標(biāo)的閉式解，獲取最優(yōu)參數(shù)幾乎不消耗計(jì)算資源，實(shí)驗(yàn)顯示其在獲得SOTA畫質(zhì)時(shí)，推理時(shí)間略快于DPM-Solver++；三是普適性，無(wú)論是像素空間傳統(tǒng)擴(kuò)散模型、隱空間擴(kuò)散模型，還是不同噪聲調(diào)度策略，EVODiff都能無(wú)縫適配并帶來(lái)提升。

實(shí)驗(yàn)數(shù)據(jù)充分證明EVODiff的優(yōu)越性。在CIFAR - 10（EDM模型）上，極低步數(shù)（NFE = 10）挑戰(zhàn)下，基準(zhǔn)方法DPM - Solver++的FID為5.10，EVODiff的FID達(dá)到2.78，錯(cuò)誤率降低45.5%；在ImageNet - 256（ADM模型）高分辨率圖像生成中，傳統(tǒng)方法需20 NFE達(dá)到SOTA級(jí)畫質(zhì)，EVODiff僅需15 NFE，效率提升25%；在LSUN - Bedrooms（隱空間擴(kuò)散模型）上，相比UniPC，EVODiff在5 NFE下FID分?jǐn)?shù)提升43.4%，生成速度提升5.3%，表明其不僅適用于學(xué)術(shù)小模型，更能賦能Stable Diffusion等工業(yè)級(jí)大模型。

在視覺(jué)效果上，EVODiff提升更為直觀。在文本生成圖像任務(wù)中，低步數(shù)推理常導(dǎo)致圖像結(jié)構(gòu)崩壞，如生成扭曲肢體或模糊背景。以提示詞“An astronaut riding a horse”（宇航員騎馬）為例，競(jìng)品方法在低步數(shù)下馬匹常出現(xiàn)“五條腿”等解剖學(xué)錯(cuò)誤，宇航員與馬融合不自然；而EVODiff生成的圖像結(jié)構(gòu)嚴(yán)謹(jǐn)，馬匹四肢正常，光影過(guò)渡自然，展現(xiàn)極高語(yǔ)義對(duì)齊度和視覺(jué)連貫性。德國(guó)AI公司Mindverse專題報(bào)道指出，EVODiff在文本生成圖像任務(wù)中，即使使用簡(jiǎn)單提示詞，也能生成更自然、更一致、偽影更少的圖像。