序列蒙特卡洛

序列蒙特卡洛是一类基于粒子滤波的采样方法，适用于高维状态空间和复杂后验分布。

在扩散模型的后验采样中，SMC将扩散过程的每个去噪步骤视为一个中间分布，并维护一组加权粒子来近似这些分布，每一步粒子根据先验得分传播，然后根据观测似然重新加权，并通过重采样避免权重退化。

研究提出使用序列蒙特卡洛（SMC）方法引导小模型的对话生成走向专家设定的语法目标。