لقد حققت النماذج التوليدية القائمة على التقييم (الانتشار التفتيتي للتحلل) نجاحًا كبيرًا مؤخرًا في إنتاج بيانات واقعية ومتنوعة. تعتمد هذه الأساليب على تحديد عملية انتشار أمامية لتحويل البيانات إلى ضوضاء، ثم توليد البيانات عن طريق عكس هذه العملية (أي الانتقال من الضوضاء إلى البيانات). للأسف، تُنتج النماذج القائمة على التقييم حاليًا البيانات ببطء شديد بسبب العدد الهائل من تقييمات شبكة التقييم المطلوبة من قبل حلول المعادلات التفاضلية العشوائية العددية (SDE).في هذا العمل، نهدف إلى تسريع هذه العملية من خلال تطوير حل مُحسّن للمعادلات التفاضلية العشوائية (SDE). تعتمد الأساليب الحالية على حل معادلة إيلر-مارويا (Euler-Maruyama) (EM)، والتي تستخدم خطوة ثابتة. وجدنا أن استبدالها بشكل مباشر بحلول SDE أخرى يؤدي إلى أداء ضعيف — إما أن تنتج عينات من جودة منخفضة، أو تصبح أبطأ من EM. لتجاوز هذه المشكلة، صممنا بعناية حلًا لـ SDE يعتمد على خطوات متغيرة مُعدّة خصيصًا للنماذج التوليدية القائمة على التقييم، خطوة بخطوة. يعتمد هذا الحل على تقييمين فقط لدالة التقييم، ويقلل بشكل كبير من رفض العينات، ويُنتج عينات عالية الجودة. تُنتج طريقةنا البيانات بأسرع بمرتين إلى عشر مرات مقارنة بـ EM، مع تحقيق جودة عينات أفضل أو مساوية، وبشكل خاص في الصور عالية الدقة، حيث تتفوق بشكل ملحوظ على جميع الطرق الأخرى التي تم اختبارها. يتم يتميز حلنا لـ SDE بأنه لا يتطلب أي ضبط لحجم الخطوة.