연구진이 효율적인 샘플링을 위해 노이즈 제거 과정을 학습하는 새로운 discrete diffusion 모델, Forward-Learned Discrete Diffusion (FLDD)을 제안했어요.
FLDD는 기존 모델과 달리 learnable 한 forward (노이징) 과정을 도입하여 Markovian이 아닌 non-Markovian 방식으로 target distribution과 모델 distribution 간의 격차를 줄였어요.
다양한 벤치마크 실험 결과, FLDD는 기존 discrete diffusion 모델보다 더 높은 품질의 샘플을 생성하며, 동일한 샘플링 스텝 수에서 우수한 성능을 보여줬어요.