VASR：基于方差感知的系统性抽样用于奖励引导的扩散模型

针对奖励引导的扩散模型，序列蒙特卡洛（SMC）采样器常常 suffer 于快速的血统崩溃：在仅仅数次抽样步骤后，少数高奖励粒子主导整个种群，导致多样性丧失并降低样本质量。我们提出了一种基于方差分解框架的奖励引导扩散 SMC 方法，将继续方差 $V_t^{\mathrm{cont}}$ 与残差方差 $V_t^{\mathrm{res}}$ 分离，从而揭示了在常用多项抽样下，高后代数量方差正是推动这种崩溃的根本原因。这激励我们提出了 \textsc{VASR}（Variance-Aware Systematic Resampling），通过方差最优质量分配 $m_t \propto w_t e^{r_t}$（最小化 $V_t^{\mathrm{cont}}$）和系统抽样（控制 $V_t^{\mathrm{res}}$）来解决这两种方差。对于中间奖励因随机继续导致噪声的潜在扩散模型，我们提出了 \textsc{VASR-Max}，即一个刻意偏向的高选择变体，用于方差敏感的奖励优化。两种方法均为训练-free、全并行，且仅增加线性开销。在 MNIST 和 CIFAR-10 上，VASR 可实现最高达 $26\%$ 的 FID 提升，同时在匹配计算资源时，速度是基于 MCTS 的价值方法的 $66$ 倍。在文本到图像生成中，\textsc{VASR-Max} 在不同计算预算下均优于最强的 SMC 基线方法，并在高预算下以仅 $2.5$--$3\%$ 的奖励差距匹配基于 MCTS 的方法，同时快 approximately 倍。