본 논문은 확산 모델의 추론 시간 스케일링 문제를 해결하기 위해, 추론 과정에서 계산량을 동적으로 조절하는 적응형 추론 시간 스케일링 방법을 제시합니다. 기존의 고정된 잡음 제거 일정에 의존하는 방법과 달리, ABCD(Adaptive Bi-directional Cyclic Diffusion)라는 새로운 프레임워크를 제안하며, 이는 양방향 확산 사이클을 통해 출력을 개선하고 탐색 깊이와 종료 시점을 적응적으로 제어합니다. ABCD는 순환 확산 탐색, 자동 탐색-활용 균형 및 적응형 사고 시간이라는 세 가지 구성 요소로 이루어져 있으며, 다양한 작업에서 성능을 향상시키면서 계산 효율성을 유지한다는 실험 결과를 보여줍니다.