PreviewDiff：用多模态评审引导扩散潜变量搜索

PreviewDiff 是一种免训练测试时搜索方法，把扩散采样从标量搜索变为对中间潜变量的多模态评审引导搜索：在选定的去噪检查点解码部分预览，由多模态评审模型打分并给出自然语言批评，据此在语义提示词编辑和局部重新加噪的潜变量延续上分支，再对分支打分并选择性推进。在图像和视频生成基准上，它持续优于同等预算的 Best-of-N 选择和强标量搜索基线；消融显示更早介入和更大搜索宽度收益最大。