基于方差缩减序贯蒙特卡洛的特异性感知扩散引导

研究团队提出基于方差缩减序贯蒙特卡洛（SMC）的特异性感知扩散引导方法，解决预训练扩散模型在抑制负参考分布时破坏正分布重叠区的问题。该方法将特异性引导形式化为目标设计问题，通过极小化方差的 SMC 采样与雅可比向量积优化提升稳定性。在类别对比、文生图及肽-MHC结合物任务中，该方法显著减少了模式偏移与权重崩溃，代码已开源。