谷歌研究提出 Diffusion Controller:轻量“转向阻尼器”网络在灰盒条件下于 HPS-v2 胜率上超过 LoRA,白盒版本对基线取得 90% 胜率
谷歌研究(Chih-wei Hsu 与 Moonkyung Ryu)提出 Diffusion Controller 框架,把扩散模型的去噪过程重新表述为平滑的连续控制问题,用一个轻量“转向阻尼器”网络在冻结基座模型的前提下动态修正生成轨迹;在 Stable Diffusion v1.4 骨干上,他们用 SFT、RWL 和 PPO 三种微调方式与 HPS-v2 人类偏好评分进行评估,报告称该框架在白盒与灰盒环境下均优于对应基线,灰盒版本在 SFT 与 RWL 路径上的 HPS-v2 胜率超过 LoRA 且改动的内部层更少,白盒版本对基线取得 90% 胜率,并可通过单一推理时引导强度参数在线调节约束强度。