D2C：用可微扩散条件化做离线模型优化的新方法

Ricardo Luna Gutierrez 等人在 arXiv 提交论文，提出离线模型优化方法 D2C（可微扩散条件化），并在激光聚变等任务上进行评估。该论文为 NeurIPS 2026 主会投稿的初始版本，尚未正式发表。 D2C 的核心是利用确定性采样使反向去噪链对条件信号可微，从而把冻结的条件扩散模型变成端到端的梯度优化器：在测试时，通过冻结的代理目标和物理惩罚经反向链回传梯度，直接优化条件变量。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。