多様なマルチ分岐生成のためのユニバーサル回避手法

Abstract

現代の生成モデルは、特に多分岐における多様性という点で、人間レベルの創造性を依然として欠いている。 この問題に対処するための従来のアプローチは、多くの場合、計算量が大きいか、モデルアーキテクチャへの強い依存を伴う。 そこで我々は、過去に生成された出力同士の類似性を罰する、モデルに依存しない（model-agnostic）かつ計算効率の高い生成戦略であるUAG（Universal Avoidance Generation）を提案する。 これにより、UAGは追加の計算をほとんど増やさずに、拡散モデルとトランスフォーマーモデルの両方において多分岐の多様性を高めることができる。 実験の結果、我々の手法は、従来の最先端手法と比べて最大1.9倍の多様性を達成し、4.4倍高速に動作し、必要なFLOPsは1/64であることが示された。 完全なコードは https://anonymous.4open.science/r/2026_ACL_Universal/ 。