一种面向开放识别的扩散模型高效精调方法

本发明公开了一种面向开放识别的扩散模型高效精调方法，涉及基于Top‑K规则的推理空间压缩；基于HodgeRank的局部排序图构建与后验估计加速；基于语义一致性的开放样本生成；基于一致性指标的联合判别优化,本发明在保持封闭类别分类准确率的前提下，显著降低了模型在推理阶段所需的采样数量与计算时间，大幅提升推理效率；同时，通过显式建模开放样本的语义边界与判别机制，有效增强了模型对未见类别样本的识别与拒识能力。综合来看，该发明在准确性、效率和开放性泛化能力之间实现了良好的平衡，具备在工业界部署、科研应用和高风险识别任务中的广泛应用价值与推广潜力。