Mclr

新的MCLR目标增强了扩散模型的条件生成

研究人员引入了MCLR，一种旨在改进扩散模型条件建模的新型微调目标。该方法通过显式最大化类间似然比来增强类间分离，而类间分离通常是标准去噪得分匹配中的一个限制。MCLR在各种模型和数据集的无分类器引导条件生成方面表现出显著的改进，缩小了与无分类器引导（CFG）的性能差距。研究还从理论上将MCLR与CFG联系起来，将CFG解释为推理过程中的隐式对比对齐过程。