09:35
官方账号arXiv cs.AI@Satoshi Hayakawa
精选73°
推荐理由：这篇论文提出CRS采样方法，通过持久上下文提升扩散模型性能，在相同NFE下获得更低GenPPL。
CRS
共 1 条相关 AI 资讯
9月2日
09:35
研究人员提出了一种名为"承诺揭示采样"(CRS)的新采样方法，该方法在离散扩散模型中存储选定的argmax令牌并将其插入后续模型输入。在精确的前向过程中，选择干净令牌的贝叶斯误差不会随着噪声减小而增加。在8-64个函数评估(NFE)预算下，CRS在生成困惑度(GenPPL)方面优于固定p=0.95和p=0.9的基线。