一种扩散模型后训练微调方法及系统

本发明属于模型微调技术领域，公开一种扩散模型后训练微调方法及系统，该方法包括：基于递归似然比优化器，对预先获取的扩散模型进行递归结构分析，得到递归参数，并利用多尺度提示信息确定扩散模型的生成条件；根据递归参数和扩散模型的生成条件，通过在扩散模型的递归过程中注入参数，并结合梯度估计方法估计扩散模型的梯度；根据估计的扩散模型的梯度，利用模型参数更新公式，对扩散模型的参数进行参数更新，以实现扩散模型的后训练调整。本发明具有更低的方差和更高的样本效率的特点，通过结合零阶、半阶和一阶梯度估计技术，有效降低了梯度估计的方差。