一种多样化多分支生成的通用回避方法

现代生成模型仍然缺乏人类水平的创造力，特别是在多分支多样性方面。解决此问题的先前方法通常会产生大量计算或对模型架构的强烈依赖。因此，我们引入了 UAG（通用避免生成），这是一种与模型无关且计算高效的生成策略，它会惩罚先前生成的输出之间的相似性。因此，UAG 可以增强扩散模型和 Transformer 模型的多分支多样性，并且只需最少的额外计算。在实验中，与最先进的方法相比，我们的方法实现了高达 1.9 倍的多样性，运行速度提高了 4.4 倍，并且只需要 1/64 的 FLOP。完整代码为https://anonymous.4open.science/r/2026_ACL_Universal/。