BReaD:扩散模型引导采样优化黑盒目标
热点事件持续更新
BReaD:扩散模型引导采样优化黑盒目标
1 篇报道1 个报道来源22 小时前更新
先了解这件事
AI 综述
Xiaoyan Hu等作者提出BReaD,一种黑盒奖励引导的扩散模型采样框架,用于在没有标注数据集、也拿不到奖励梯度的情况下优化黑盒目标。 其做法是用高斯过程作为未知目标的可微代理,并主动查询生成样本的标签,以此引导采样。该框架目前以预印本形式发布,尚未见经同行评审验证的效果数据。
AI 根据报道生成 · 14 小时前更新
最新进展11月19日 13:00
BReaD:用扩散模型引导采样实现高维黑盒优化报道时间线
沿着报道,了解事件的不同侧面。
11月19日
- arXiv cs.AIBReaD:用扩散模型引导采样实现高维黑盒优化
研究者提出 BReaD(Black-box Reward-guided Sampling of Diffusion Model),一种无需标注数据集或奖励梯度的扩散模型引导采样框架,用高斯过程作为未知目标的可微代理并主动查询生成样本标签。
本事件热度走势
- 可比范围当前
- 5
- 可比范围峰值
- 811月19日 22:00
- 近 24 小时变化
- –
02468
11月20日03:0006:0009:00
趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。