指导打破了安装的操作员：无分类器指导的终端安装修复

无分类器引导（CFG）是在扩散和流量匹配采样器中加强类调节的标准方法，但在很大程度上，它会过度饱和并不稳定，从业者会通过更多步骤或有限的间隔时间表来抑制症状。我们通过渐近保持的数值分析镜头来分析 CFG。基于最近的结果，即确定性 DDIM 步骤是无引导终端层的唯一拟合算子，精确地在采样的最终小西格玛延伸上，我们表明引导将判别子空间精确地重新强化到异常指数 1+w。因此，DDIM 不再适合那里，并且在粗网格上，当 sigma_min 变为零时，其引导残差会发散。我们证明了具有三个有序步长阈值的引导时钟屏障，并将单步过饱和作为其终点：校准模型上的求解器工件而不是连续引导律。相同的分析产生一系数、零额外 NFE 修复：在引导方向上用 r^(1+w)-r 替换 CFG 的 w(r-1)。在校准模型的判别交叉上，这消除了 CFG 的 sigma_min 发散放大，并且当 sigma_min 变为零时，相对于精确引导流而言是一阶精确的。在学习的 CIFAR-10 检查点上，以及作为 Stable Diffusion 1.5 DDIM 上的跨域烟雾测试，它充当高引导稳定器，无需额外成本，而不是通用质量旋钮：它减少残余放大和饱和度，在测试网格上提供 9/9 点 FID 优于 CFG，并保留硬单元块中的分类器代理目标精度。我们同时报告了局限性：它不是普遍的图像质量胜利，并且相对于密集的香草 CFG 参考，它并不是该领域的一致更好的集成器。