arXiv cs.AI· Xiang Li, Yixuan Jia, Xiao Li, Jeffrey A. Fessler, Rongrong Wang, Qing Qu·2026-10-23 12:00· 2 小时前AI 评分41

MCLR：通过类间似然比最大化改进条件建模，并统一 classifier-free guidance 与对齐目标

MCLR: Improving Conditional Modeling via Inter-Class Likelihood-Ratio Maximization and Unifying Classifier-Free Guidance with Alignment Objectives

AI 导读

一项 arXiv 研究提出 MCLR 微调目标，通过显式最大化类间似然比来强化类特定结构，解决扩散模型在标准采样下类间分离弱的问题。该方法在多种模型和数据集上显著提升无 guidance 条件生成质量，缩小与 classifier-free guidance（CFG）的差距。