COFFEE：基于编译目标的离散扩散模型前瞻感知引导

研究人员提出即插即用框架 COFFEE，通过解耦序列依赖与目标，解决了离散扩散模型在序列级目标引导下计算量呈指数级增长的问题。该框架无需重新训练扩散模型，结合编译的有限状态模型将全局偏好传递至未解析的 token 位置，同时支持显式硬约束与软目标引导。实验表明，COFFEE 在符号、语言和生物等多个基准上均实现了强控制效果。