本文研究了扩散概率生成模型的泛化能力，发现确定性采样器生成的数据与训练集高度相关，导致泛化能力差。通过实验验证了训练模型的微小区别对性能的影响，并提出了新的训练目标以改善泛化能力。此外，研究探讨了模型的记忆行为及其对生成质量的影响，提出了有效的加权策略以解决估计偏差问题，展示了扩散模型在高维数据学习中的优势。