연구진은 디퓨전 모델의 추론 시간 스케일링을 개선하는 Progressive Seed Pruning (PSP) 방법을 제안했어요. PSP는 초기 단계에서 여러 시드를 평가하고 유망한 시드만 선택하여 전체 모델 평가 횟수를 고정하면서 효율성을 높여요. 실험 결과, PSP는 GenEval 점수와 인간 평가에서 기존 방법보다 뛰어난 성능을 보여줬어요.
디퓨전 및 플로우 매칭 모델의 백본에서 PSP는 보상 기반 선택을 개선하고 프롬프트 정렬을 향상시켰어요. PSP는 기존의 best-of-$N$, 중요 샘플링, 트리 검색 방식과 비교했을 때 동일한 컴퓨팅 예산으로 더 나은 결과를 달성했어요. 연구 페이지와 코드가 공개됐어요.
기존 방식은 초기 노이즈 시드에 민감하여 시드 검색이나 블랙박스 보상을 통해 컴퓨팅 자원을 사용했지만, PSP는 메모리 사용량을 줄이고 초기 단계의 탐색을 통해 효율성을 높이는 새로운 접근 방식을 제시했어요.