본 논문은 확산 모델에서 조건부 생성을 향상시키는 지도 기법의 이론적 기반과 실제 구현 간의 차이를 해소하는 것을 목표로 한다. 기존의 지도 기법이 이론적으로 부정확한 스케일링된 주변 분포 목표를 사용한다는 점을 밝히고, 스케일링된 결합 분포 목표를 사용하는 새로운 방법을 제안한다. 또한 기존의 지도 구현들이 미래 예측 제약 하에서 최적 해의 근사치임을 보이고, 이러한 통찰을 바탕으로 기존 지도 방법의 성능을 향상시키는 수정된 경사 지도(REG)를 제안한다. 1D 및 2D 실험과 ImageNet 및 텍스트-이미지 생성 작업에 대한 광범위한 실험을 통해 REG가 기존 기법보다 최적 해에 더 잘 근사하고 성능을 향상시킨다는 것을 보여준다.