跳到正文
热点事件持续更新

掩码扩散模型串行深度下界与调度提出

1 篇报道1 个报道来源10 小时前更新

先了解这件事

AI 综述

Chuling Wen、Weijie Liang、Jian Lu、Zhouchen Lin 提出“串行深度”指标,用来衡量掩码扩散模型在给定前向 KL 误差预算下、按目标序列平均所需的最少生成轮数。 他们为可自适应生成值的确定性规则证明了下界,深度范围从 log log n 到与序列长度 n 线性;并构造了与该下界匹配的采样调度。

AI 根据报道生成 · 54 分钟前更新

报道时间线

沿着报道,了解事件的不同侧面。

10月21日
  1. arXiv cs.CL
    掩码扩散模型的自适应并行采样串行深度:下界与调度策略

    研究提出"串行深度"指标,衡量掩码扩散模型在给定前向 KL 误差预算下所需的最少生成轮数(按目标序列平均),并为可自适应生成值的确定性规则证明下界,深度范围从 log log n 到与序列长度 n 线性。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。