掩码扩散模型串行深度下界与调度提出
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
最新进展10月21日 12:00
掩码扩散模型的自适应并行采样串行深度:下界与调度策略报道时间线
沿着报道,了解事件的不同侧面。
10月21日
- 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。