掩码离散扩散中 tau-leaping 的调度优化

研究针对掩码扩散模型 tau-leaping 采样中因并行去噪引入的分解误差 ε_fact，建立了将其与调度方案及目标依赖结构分离的精确积分表示，并给出最优调度的递归平稳方程。分析显示：当依赖密度 ρ 随维度 N 增大一致收敛到严格正连续分布时，调度优化只能改善 ε_fact 的首阶常数；若 ρ 退化，则可改善渐近阶。