研究团队（包括纽约大学、麻省理工学院和谷歌的研究者）提出了一个创新框架，旨在解决扩散模型推理时间扩展的瓶颈。该框架通过验证器反馈和算法优化噪声候选两个维度展开，以SiT-XL模型为基础，引入额外计算资源。实验采用Inception Score和Fréchet Inception Distance两个验证器，结果显示，在多个基准测试中，该框架表现出色，特别是在DrawBench测试中，样本质量持续提升。

该研究不仅验证了基于搜索的计算扩展方法的有效性，还揭示了不同验证器的固有偏差，为未来视觉生成任务验证系统的开发提供了方向，对提升AI生成模型性能具有重要意义。