基于自适应梯度调节的扩散模型偏好优化方法及其系统

本发明涉及人工智能技术领域，尤其涉及基于自适应梯度调节的扩散模型偏好优化方法及其系统，对初始数据序列进行去噪处理，生成近似真实分布的生成样本，根据初始数据序列生成的样本，结合人类反馈信息，通过自适应梯度调节机制直接优化扩散模型，构建人类偏好数据样本，反映用户对生成内容的偏好，通过梯度权重函数动态调节去噪过程的梯度更新权重，该函数根据时间步和隐变量频率特性自适应调整，通过调节去噪过程的梯度更新，优化初始数据序列参数，得到优化后数据序列，根据优化后数据序列计算最优隐变量，并采用最优隐变量生成符合人类偏好的数据样本，无需构建显式的奖励函数，仅通过对人类偏好样本的间接建模实现优化，简化了模型优化流程。