P-Guide：单次 CFG 推断的参数高效先验引导
人工智能
2026-05-08 v1
摘要
分类自由引导（CFG）是流匹配中实现高保真条件生成的关键，但它要求在每个抽样步骤执行双向前向传递，造成显著计算开销。本文通过仅调制初始潜在状态即可实现单次推断的高质量引导，提出 P-Guide 框架。我们进一步指出，在一阶近似下，P-Guide 等价于 CFG，即它从先验空间引导生成，而无需在抽样期间进行显式速度场外推。我们考虑了同质先验和异质先验，发现联合建模均值和方差可实现自适应损失衰减并提高对数据不确定性的鲁棒性。大量实验表明，P-Guide 在推断延迟约降低 50%，同时保持与标准双遍 CFG 基线相当的保真度和提示对齐能力。
引用
@article{arxiv.2605.06124,
title = {P-Guide: Parameter-Efficient Prior Steering for Single-Pass CFG Inference},
author = {Xin Peng and Ang Gao},
journal= {arXiv preprint arXiv:2605.06124},
year = {2026}
}