Bài báo này khai thác mối quan hệ giữa DDPM và định vị xác suất để khắc phục nút thắt suy luận của các mô hình xác suất khuếch tán khử nhiễu (DDPM). Bằng cách chứng minh rằng tính gia tăng của DDPM thỏa mãn tính chất trao đổi, chúng tôi chứng minh rằng nhiều kỹ thuật tối ưu hóa hiệu suất dựa trên các mô hình tự hồi quy có thể được áp dụng cho bối cảnh khuếch tán. Cụ thể, chúng tôi đề xuất "Giải mã Dự đoán Tự động" (ASD), một phần mở rộng của thuật toán giải mã dự đoán được sử dụng rộng rãi cho DDPM mà không cần các mô hình phụ trợ. Thông qua phân tích lý thuyết, chúng tôi chứng minh rằng ASD đạt được tốc độ thực thi song song $\tilde{O}(K^{\frac{1}{3}})$ nhanh hơn so với DDPM tuần tự K giai đoạn, và chứng minh bằng thực nghiệm rằng nó tăng tốc đáng kể suy luận DDPM trong nhiều ứng dụng khác nhau.
