该研究提出了一种利用扩散概率模型（DPMs）来减轻简洁性偏见的多样化框架。通过在训练中生成新特征组合的图像，DPMs提高了模型多样性，无需额外监督信号。实验表明，该方法在泛化和多样化性能上优于传统方法。