본 논문은 확산 기반 신경 조합 최적화(NCO) 방법의 한계점인 크기 및 문제 간 일반화의 어려움과 높은 훈련 비용을 해결하기 위해, 훈련 없이 추론 시 적응하는 프레임워크인 DIFU-Ada를 제안한다. DIFU-Ada는 사전 정의된 안내 함수를 활용하여 추가적인 훈련 없이 제로샷 크로스-문제 전이 및 크로스-스케일 일반화 기능을 가능하게 한다. 특히, 여행판매원 문제(TSP)에 대해 훈련된 확산 솔버가 추론 시 적응을 통해 PCTSP 및 OP와 같은 TSP 변형 문제에 대해 경쟁력 있는 제로샷 전이 성능을 달성함을 실험적으로 보여준다. 또한, 크로스-문제 전이 능력에 대한 이론적 분석을 제공한다.
