AITP
精选全部 AI 动态AI 日报Agent 接入关于更新日志信源提报反馈
登录 / 注册
AITOP
全部 AI 动态
AI 相关资讯全量信息流
全部博客资讯推文论文
全部模型产品行业论文技巧
标签:低密度区域探索×
6月16日
20:46
AITOP6月16日 20:46
600亿美元买下Cursor,xAI终于拿到了编程工具,但真正值得跟踪的或许不是AI600亿美元买下Cursor,xAI终于拿到了编程工具,但真正值得跟踪的或许不是AI
6月12日
12:57
AITOP6月12日 12:57
Claude代码里藏了个20260612,18个月后的AI记忆革命已经开始倒计时
09:41
09:41arXiv cs.LG@Jagriti Singh, Shekhar Verma, Muneendra Ojha
标准分类器引导的扩散模型倾向于生成高密度类均值附近的样本,导致对尾部罕见样本的覆盖不足。现有方法通过训练额外的低密度分类器来解决,但增加了计算成本。本文提出一种纯采样阶段的密度感知方法,无需额外训练,通过修改反向扩散动力学,利用分类器梯度将轨迹引向低置信区域,同时引导采样接近真实数据流形。在ImageNet 64x64分辨率下,该方法一致提升了ADM模型的召回率,同时保持可比的FID分数;在256x256分辨率下,视觉结果显示了不同引导组合的效果。这项工作为生成模型的长尾覆盖问题提供了一种轻量级解决方案。
论文扩散模型分类器引导低密度区域探索长尾覆盖ImageNet

推荐理由:做生成模型长尾覆盖或罕见样本生成的团队,无需额外训练就能提升模型对低密度区域的探索能力,建议直接参考其采样策略。
原文
6月11日
15:28
AITOP6月11日 15:28
1107 vs 303:谷歌悄悄开源了一个“拆打字机”的模型,把大模型速度翻了4倍
15:23
AITOP6月11日 15:23
DiffusionGemma颠覆文本生成?自回归模型的“统治”要结束了
15:07
AITOP6月11日 15:07
每秒1107个token,Google开源的扩散模型为什么能改变本地推理格局?
精选全部日报登录