待验证50% 置信权衡取舍精确时间
CFG使用采样时需要两次前向计算，并会牺牲一定的多样性。
1
来源数
50%
置信度
长期有效
时效性
2026/10/16
首次发现
来源
重新审视CFG：TI2I流匹配中的隐式陷阱与修正
rss2026/10/15
涉及实体
相关事实
待验证无分类器引导（CFG）同时运行有条件分支和无条件分支，沿有条件方向减去无条件方向放大条件信号，以额外一倍推理成本换取质量提升69% 相似待验证在低步数推理中使用过高的CFG值会放大每步的修正幅度，导致色彩过饱和、对比度失真甚至产生伪影，使用加速LoRA时往往需要将CFG值从7.5降至2-468% 相似待验证该研究提出在早期流步骤中对CFG进行修正：在噪声阶段降低或重新加权CFG影响，随后逐步恢复标准CFG，该方法不需要重新训练模型也不增加推理成本，完全在采样阶段完成。64% 相似待验证许多现有的SMC（序列蒙特卡洛）推理时采样方案依赖等权重重采样，这种做法会激进地剪除低权重轨迹，导致搜索空间的谱系多样性急剧下降63% 相似待验证CFG引导强度通常在5至12之间寻找最佳平衡点，过低会偏离提示词，过高会产生过饱和或伪影63% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1046703API
curl https://kongchang.com/api/v1/knowledge/claims/1046703MCP
get_claim(id=1046703)