Guidance & Fast Sampling (CFG / DDIM): 解释 guidance scale 的权衡。

Core Concept: s 越大越贴合 prompt 但多样性下降、易过饱和；s 太小则忽略 prompt；需按任务调（常用 5~12）。

数学机理：<strong>s 的双向效应</strong>——CFG 的组合为 ε̂=ε(∅)+s(ε(c)−ε(∅))。(1) <strong>s 太小</strong>（如 <3）——条件影响弱，生成结果'接近无条件分布'（多样但与 prompt 关联弱）；s=1 时完全无引导。(2) <strong>s 适中</strong>（如 7~12）——良好的 prompt 遵循与合理多样性（默认区间）。(3) <strong>s 太大</strong>（如 >15）——(a) <strong>过饱和（oversaturation）</strong>——颜色过艳、对比度过高（因为放大了'超出数据分布的方向'，导致像素值饱和）；(b) <strong>结构僵硬/重复</strong>——过度优化条件导致'模式坍缩'（不同种子给出相似结果）；(c) <strong>不自然</strong>——违背物理/解剖（如多手指、扭曲）；(d) <strong>多样性崩塌</strong>。<strong>为什么 s 过大产生伪影</strong>——从 score 视角：s>1 时组合为 (1−s)∇log p(x)+s∇log p(x|c)，其中 (1−s)<0 意味着<strong>减去无条件分布</strong>（'远离通用图像'）；s 越大'远离'越多，导致样本落在数据分布的<strong>低密度区域</strong>（不自然、过饱和）。<strong>如何选择 s</strong>——(a) <strong>经验区间</strong>（SD 1.5/SDXL 常用 7~7.5；SD3/Flux 等新模型常用 3.5~5，因为它们训练更好、对引导依赖低）；(b) <strong>按任务调</strong>——(i) 需要严格遵循 prompt（如产品图）→ s 大一些；(ii) 需要多样性/艺术性 → s 小一些；(c) <strong>动态 s</strong>——不同时间步用不同 s（如前期大、后期小，避免过饱和）；(d) <strong>自动选择</strong>——用'CFG rescale'（对引导后的结果做尺度校正，避免过饱和）或'自适应引导'。<strong>缓解过饱和的技巧</strong>——(a) <strong>CFG rescale（--cfg-rescale）</strong>——把引导后的预测的<strong>标准差</strong>重新缩放到'无条件预测的标准差'，避免过饱和；(b) <strong>动态阈值（dynamic thresholding）</strong>（Imagen 的做法）——对预测的 x_0 做分位数截断；(c) <strong>更小的 s + 更好的模型</strong>（新模型对引导的依赖更低）。<strong>与其他旋钮的交互</strong>——(a) <strong>步数</strong>——s 大时可能需要更多步（因为每步'走得更远'）；(b) <strong>调度</strong>——不同调度的'信噪比分布'影响 s 的效果；(c) <strong>参数化</strong>（ε/v）——影响引导的数值行为。<strong>实践建议</strong>——(a) 从 7.5 起步（旧模型）或 4~5（新模型）；(b) 若过饱和则 (i) 降低 s、(ii) 开 CFG rescale、(iii) 用动态阈值；(c) 若忽略 prompt 则提高 s（但注意上限）；(d) <strong>记录 s</strong>（因为它显著影响结果，评测时需报告）。

深度剖析与工程权衡：① <strong>'s>1 意味着减去无条件分布'</strong>——这是理解过饱和的钥匙：s 越大'越远离通用分布'，故落到低密度区（不自然）。② <strong>'新模型对引导依赖更低'</strong>——因为训练更好、条件遵循更强；故 s 的默认值在下降（7.5 → 3.5~5）。③ <strong>'CFG rescale 是实用技巧'</strong>——它几乎零成本地缓解过饱和（把引导结果的尺度拉回无条件预测的尺度）；应在 s 较大时开启。④ <strong>'多样性 vs 遵循的权衡是根本</strong>——CFG 无法同时最大化两者；故需按应用选点（产品图重遵循、艺术创重多样）。⑤ <strong>'评测必须报告 s'</strong>——不同 s 的结果差异巨大；不报告 s 的评测不可比。⑥ <strong>面试要点</strong>——被问'guidance scale 怎么调'，应给出'<strong>s 小忽略 prompt、s 大过饱和与多样性崩塌、常用 7~12（新模型 3.5~5）</strong>'与'<strong>过饱和的机制（减去无条件分布 → 低密度区）+ 缓解（CFG rescale / 动态阈值）</strong>'；能指出'新模型 s 默认值下降'是深度理解的标志。