根据输入可生成的最大token长度填充整个序列。（此时全序列为待生成的<MASK>状态）。设定timesteps进行调度，此模型中调度策略为线性，即每个时间步生成相同数量的token，所以理论上每步生成的token数应该等于生成循环每次先检查哪些位置是MASK，这些是待生成位置，然后计算所有待生成位置的logits（不需要保存已生成位置的概率分布以节省空间）。根据预定义的参数选择生成位置（哪些词应

本文探讨了基于LoRA微调Stable Diffusion XL（SDXL）模型在COIL-100数据集上的应用。实验发现，该方法能有效学习目标物体的特征，但也存在过拟合训练数据背景、生成图像细节不足等问题。研究详细分析了LoRA在注意力层的运作机制，并探讨了不同LoRA scale对生成质量的影响，为特定实例的生成模型微调提供了实践参考。