[论文翻译]输入扰动降低扩散模型的曝光偏差

去噪扩散概率模型 (Denoising Diffusion Probabilistic Models) 虽然因其长采样链导致高计算成本，但仍展现出卓越的生成质量。本文发现，长采样链还会引发误差累积现象，这与自回归文本生成中的曝光偏差问题类似。具体而言，我们注意到训练与测试之间存在差异：前者以真实样本为条件，而后者则依赖于先前生成的结果。为缓解此问题，我们提出了一种简单但有效的训练正则化方法，即通过扰动真实样本来模拟推理阶段的预测误差。