본 논문은 신경 조합 최적화(NCO)에 기반한 확산 모델을 사용하여 NP-완전 문제를 해결하는 방법을 제시합니다. 기존 NCO 방법들의 크기 및 문제 간 일반화의 어려움과 높은 훈련 비용 문제를 해결하기 위해, 훈련 없이 추론 단계에서 적응하는 프레임워크인 DIFU-Ada를 제안합니다. DIFU-Ada는 미리 정의된 안내 함수를 활용하여 조건부 생성을 가능하게 하며, 추가적인 훈련 없이 제로샷 크로스 문제 전이 및 크기 일반화를 가능하게 합니다. 이론적 분석을 통해 크로스 문제 전이 능력을 이해하고, 여행 판매원 문제(TSP)에만 학습된 확산 솔버가 PCTSP 및 OP와 같은 TSP 변형 문제에서 경쟁력 있는 제로샷 전이 성능을 달성함을 실험적으로 보여줍니다.
