在人工智能生成内容（AIGC）领域，扩散概率生成模型凭借其卓越的生成能力占据主导地位，从文生图到文生视频，扩散模型的应用不断拓展。然而，推理速度慢、训练与推理差异大以及优化困难等问题，始终制约着其更广泛的应用。近日，一项突破性研究为解决这些难题带来了全新思路。
传统扩散模型生成高质量内容往往需要数十甚至上百步迭代，从纯噪声中逐步恢复图像。这带来了两个核心矛盾：一是推理效率与生成质量的难以平衡，减少迭代步数会导致画质下降，而追求高质量又需忍受漫长生成时间；二是理论与实践的脱节，为加速推理，业界提出多种基于微分方程（ODE）的求解器，但这些方法多为数值近似技巧，缺乏对扩散过程本质的解释，且许多加速算法依赖参考轨迹优化，增加了计算开销并限制了模型泛化能力。
针对这些问题，一项被NeurIPS 2025接收的论文提出全新解法。研究团队跳出传统数值求解思维，从信息感知推理视角出发，将去噪过程重构为实时熵减优化问题。该研究指出，扩散模型的前向扩散过程是向图像加噪，熵不断增加；反向去噪过程则是从混乱中恢复秩序，条件熵应不断降低。基于此，研究团队提出“免参考”的自适应方差优化框架——EVODiff。
在扩散模型社区，一直存在一个经验性共识：推理生成时，直接预测干净数据（Data Prediction）的参数化方案比预测噪声（Noise Prediction）的推理范式效果更好，尤其在低步数下更为显著。这一现象与MIT何恺明团队最新发布的JiT架构核心洞察不谋而合。何恺明团队从“流形假设”角度指出，自然数据位于低维流形，噪声弥漫于高维空间，神经网络直接预测干净数据比预测噪声更容易。而此次研究在数学层面为这一趋势提供了坚实理论支撑，首次严格证明“数据预测参数化”能更直接最小化重建误差，更有效降低条件熵。
为在迭代中更高效降低数据预测的条件熵，EVODiff回顾扩散模型高斯建模中条件熵与条件方差正相关的特点，即每一步推理中动态调整方差至最小，就能最快逼近真实图像。基于此，EVODiff构建“无参考”自适应优化框架，无需昂贵预计算参考轨迹，仅利用当前迭代步骤状态差异，通过计算开销极低的闭式解，动态实时计算最优方差控制参数，确保每一步朝最高效收敛路径前进。
EVODiff不仅是一个理论框架，更是一套可直接落地的实时指导算法。其核心特性显著：一是“免参考”的极致轻量化，与需预先计算高成本轨迹的方法不同，它依靠在线计算，利用当前迭代步骤状态差异动态优化方差，无额外训练成本和预处理开销；二是闭式解的极速计算，许多优化算法需复杂迭代求解，拖慢推理速度，而EVODiff推导出方差优化目标的闭式解，获取最优参数几乎不消耗计算资源，实验显示其在获得SOTA画质时，推理时间略快于DPM-Solver++；三是普适性，无论是像素空间传统扩散模型、隐空间扩散模型，还是不同噪声调度策略，EVODiff都能无缝适配并带来提升。
实验数据充分证明EVODiff的优越性。在CIFAR - 10（EDM模型）上，极低步数（NFE = 10）挑战下，基准方法DPM - Solver++的FID为5.10，EVODiff的FID达到2.78，错误率降低45.5%；在ImageNet - 256（ADM模型）高分辨率图像生成中，传统方法需20 NFE达到SOTA级画质，EVODiff仅需15 NFE，效率提升25%；在LSUN - Bedrooms（隐空间扩散模型）上，相比UniPC，EVODiff在5 NFE下FID分数提升43.4%，生成速度提升5.3%，表明其不仅适用于学术小模型，更能赋能Stable Diffusion等工业级大模型。
在视觉效果上，EVODiff提升更为直观。在文本生成图像任务中，低步数推理常导致图像结构崩坏，如生成扭曲肢体或模糊背景。以提示词“An astronaut riding a horse”（宇航员骑马）为例，竞品方法在低步数下马匹常出现“五条腿”等解剖学错误，宇航员与马融合不自然；而EVODiff生成的图像结构严谨，马匹四肢正常，光影过渡自然，展现极高语义对齐度和视觉连贯性。德国AI公司Mindverse专题报道指出，EVODiff在文本生成图像任务中，即使使用简单提示词，也能生成更自然、更一致、伪影更少的图像。
