연구진이 이산 확산 모델의 샘플링 속도를 높이는 새로운 기법인 GADD(Gibbs-Accelerated Discrete Diffusion)를 제안했어요.
GADD는 기존 방식과 달리 추가 훈련 없이 기브스 후방 확률을 활용해 샘플링 복잡도를 $\mathcal{O}(\mathrm{polylog} (\varepsilon^{-1}))$로 줄였어요.
실험 결과, GADD는 합성 데이터, 텍스트 샘플링, 음악 생성 등에서 기존 방식보다 샘플 품질과 효율성을 개선하는 것을 확인했어요.