Dans cet article, nous proposons une méthode adaptative de mise à l'échelle du temps d'inférence qui ajuste dynamiquement la charge de calcul pendant le processus d'inférence afin de résoudre le problème de mise à l'échelle du temps d'inférence des modèles de diffusion. Contrairement aux méthodes existantes qui reposent sur un programme fixe de suppression du bruit, nous proposons un nouveau cadre appelé Diffusion Cyclique Bidirectionnelle Adaptative (ABCD), qui améliore le résultat grâce à des cycles de diffusion bidirectionnelle et contrôle de manière adaptative la profondeur de recherche et le temps de terminaison. ABCD comprend trois composantes : la recherche par diffusion cyclique, l'équilibre exploration-exploitation automatique et le temps de réflexion adaptatif. Nous démontrons expérimentalement qu'elle améliore les performances tout en maintenant l'efficacité de calcul sur diverses tâches.
