Diffusion 模型在生成建模中取得显著成功，采样过程常被修改以控制生成或提升效率。这些修改在采样轨迹上引入扰动，核心问题是扰动如何影响最终输出。为此，本文构建了理论框架，将采样过程的动力学分析与输出响应的信息论表征相结合。我们用扰动后轨迹分布与参考轨迹分布的 Kullback‑Leibler (KL) 散度衡量扰动强度，称为 路径代价。路径代价上界了输出分布的变化，但并不能唯一决定变化。进一步，我们推导出 响应等式，将局部扰动的传播与累积关联到选定特征均值所捕获的信息，解释了为何输出分布的改变在一阶响应下可能不可见。实验在预训练扩散模型上进行等路径代价的受控干预，展示了不同采样阶段和空间频率下的输出敏感性差异。最后，将框架用于缓存加速的实际近似，证明传播分析能够可靠定位缓存导致较大图像误差的采样区间。
点评