CFG
扩散模型中的引导机制，通过同时计算有条件和无条件的噪声预测，沿特定方向增强生成引导，控制生成图像与提示词的匹配程度
核心事实
时间轴 (近 90 天)
逻辑漏洞不依赖对内存布局的猜测或对控制流的劫持，因此 ASLR、CFG 等内存缓解机制对其基本无效。
现代浏览器普遍部署了 ASLR、CFG、沙箱等多层防护，提高了内存破坏漏洞的利用门槛。
CFG（控制流保护）在间接调用前校验目标地址是否属于合法函数入口，阻断攻击者劫持控制流的常见路径。
CFG是控制生成结果与提示词对齐强度的参数，通常取值5-9；加速LoRA要求CFG=1，因为蒸馏过程中模型已内化了引导信号，若仍用高CFG会破坏步数压缩映射。
当CFG为1时，负面提示词失效；若需负面提示词，可略微提高CFG值（如1.5）。
1920x1088分辨率因OOM失败，原因是CFG路径每步需要两次前向传播，高清档在改善任何东西之前先让内存翻倍。
无分类器引导（CFG）同时运行有条件分支和无条件分支，沿有条件方向减去无条件方向放大条件信号，以额外一倍推理成本换取质量提升
SFG分支只需在图像采样的前20%步骤运行即可，在不使用CFG情况下其开销仅约为基础NFE的1.2倍
Turbo默认CFG=1，每步只需一次前向推理
CFG（无分类器引导）在每步去噪时需同时运行有条件和无条件两次前向传播，开启后每步推理计算量翻倍
还有 18 条时间轴事件
全部知识事实 (20)
文生图场景中的负向提示技术实现依赖分类器自由引导（Classifier-Free Guidance, CFG）机制
75%已验证CFG Scale越高生成结果越严格遵循文本描述，但过高则可能导致色彩过饱和和细节失真
65%待验证CFG值（Classifier-Free Guidance Scale）通常设置在5-12之间，采样步数一般在20-50步之间取得较好平衡
85%待验证FSM约束能从语法层面保证JSON格式合法，但无法约束字段的语义质量
70%待验证当CFG为1时，负面提示词失效；若需负面提示词，可略微提高CFG值（如1.5）。
60%待验证即使使用相同提示词，不同seed会产生完全不同的图像；固定seed后，采样步数或CFG引导强度的微小变化也可能导致输出差异
60%待验证CFG值（Classifier-Free Guidance Scale）控制模型对提示词的服从程度，值越高越忠实但可能过度饱和
60%待验证Classifier-Free Guidance（CFG）采样技术在提高图像质量的同时会将输出推向数据分布的高密度区域，进一步加剧输出同质化
60%待验证新一代模型如FLUX、Z-Image由于架构改进，CFG值设为1甚至更低即可获得最佳效果，而传统Stable Diffusion模型通常使用7-12的CFG值
60%待验证逻辑漏洞不依赖对内存布局的猜测或对控制流的劫持，因此 ASLR、CFG 等内存缓解机制对其基本无效。
50%待验证现代浏览器普遍部署了 ASLR、CFG、沙箱等多层防护，提高了内存破坏漏洞的利用门槛。
50%待验证CFG（控制流保护）在间接调用前校验目标地址是否属于合法函数入口，阻断攻击者劫持控制流的常见路径。
50%待验证CFG是控制生成结果与提示词对齐强度的参数，通常取值5-9；加速LoRA要求CFG=1，因为蒸馏过程中模型已内化了引导信号，若仍用高CFG会破坏步数压缩映射。
50%待验证1920x1088分辨率因OOM失败，原因是CFG路径每步需要两次前向传播，高清档在改善任何东西之前先让内存翻倍。
50%待验证SFG分支只需在图像采样的前20%步骤运行即可，在不使用CFG情况下其开销仅约为基础NFE的1.2倍
50%待验证无分类器引导（CFG）同时运行有条件分支和无条件分支，沿有条件方向减去无条件方向放大条件信号，以额外一倍推理成本换取质量提升
50%待验证Turbo默认CFG=1，每步只需一次前向推理
50%待验证CFG（无分类器引导）在每步去噪时需同时运行有条件和无条件两次前向传播，开启后每步推理计算量翻倍
50%待验证在Qwen-Image 2.1上较低的CFG值（3）通常能带来更自然、更少过拟合感的输出
50%待验证Supra2-IMG 采用 CFG 3.0 作为展示默认值，相较于 Stable Diffusion 常用的 7.0–9.0 偏低
50%