#AI
Google 发布 Diffusion Controller 统一图像控制
Google Research 发布 Diffusion Controller,把扩散模型去噪重述为连续控制问题，为推理期引导与微调提供统一框架。
它不改基础模型权重，挂轻量网络动态修正生成轨迹，并按 reward 优化，控制层与模型本体解耦。
用 Stable Diffusion v1.4 时，灰盒轻量网络的 HPS-v2 胜率超过 LoRA;白盒版对基线胜率 90%。
💡 为什么值得看统一控制框架让轻量网络在灰盒场景超越 LoRA。
查证
来源档案
Google Research Blog
Google Research 官方研究博客，介绍自家新方法的原理、方法与实验结论。
方法描述与结果均为官方一手口径，可信度高；但胜率等指标出自作者自评，未见第三方复现或同行评审，数字需按官方结果理解。
延伸阅读
闭源图像模型越来越多，不改权重就能定制行为，这条路线对做图像产品的团队更实用。
PPO 与 reward-weighted loss 的取舍直接决定训练成本与稳定性，原文有对应说明。