擴散模型推理擴充套件新研究：不止增加去噪步數，算力堆對地方畫質大漲

用過 AI 畫圖的人大概都有過這種體驗：把生圖步數從 20 步拉到 50 步，畫面細節明顯豐富了不少；但如果一狠心拉到 100 步甚至 200 步，畫面基本不再變好，有時反而變怪，白白浪費顯示卡算力。

大語言模型那邊靠推理時思考（Inference-Time Scaling）把做題能力拉上了一個臺階，而畫圖模型卻一直被困在這個去噪步數的死衚衕裡。1 月 16 日發表在 arXiv 上的一篇新論文，試圖給擴散模型換一條燒算力的路子。

把畫圖變成一場「選噪聲」的搜尋

研究團隊指出，擴散模型天生就能靠調整去噪步數來改變推理算力，但這種提升在幾十步之後就會迅速放緩。換句話說，光在一個既定的起點上反覆精細打磨，算力換來的收益很快就會觸頂。

既然步數堆不動了，研究團隊把目光轉向了更底層的起點：初始噪聲。他們把擴散模型的取樣過程重新定義成一個搜尋問題，核心目標是找到更適合生成目標畫面的候選噪聲。

他們把這個設計框架拆成了兩個維度。第一個軸是驗證器，用來評估生成影像的質量並提供反饋訊號；第二個軸是搜尋演算法，負責根據反饋不斷尋找更優質的噪聲候選。

實驗結果表明，在類別條件和文本條件影像生成基準測試中，通過這種框架增加推理階段的計算量，擴散模型生成的樣本質量獲得了顯著提升。而且因為影像本身複雜度高，框架裡的驗證器和搜尋演算法可以像搭積木一樣自由組合，適配不同的應用場景。

為什麼重要

我們認為，這項研究最聰明的地方在於把大語言模型已經驗證過的 Test-Time Compute 範式移植到了影像領域，但沒有生搬硬套。

對使用者和創作者來說，這指明瞭一條全新的生圖工具升級路線。如果這項技術落地成產品，未來使用者可能不再需要為了抽出一張好圖狂點幾十次生成、自己肉眼去挑，而是直接交給模型在後臺多跑幾秒，讓驗證器和演算法先幫你篩出最佳初始路徑。

對整個行業而言，這可能會改變影像生成賽道的競爭焦點。過去廠商拼命卷底座模型的引數量和預訓練資料，導致訓練成本居高不下；如果推理階段增加算力就能直接拔高成圖上限，小型模型配合強大的推理搜尋策略，完全有機會在特定畫質上追平甚至超越大模型。

不過隱患也同樣擺在眼前。搜尋演算法和驗證器本身都需要消耗不菲的算力與視訊記憶體，在實際部署時，每張圖的生成延遲和伺服器成本肯定會顯著增加。如何在搜尋帶來的畫質增益與使用者的等待耐心之間找到平衡，會是工程化落地的真正考題。