№生成模型·general
生成模型
别名
- 首次出现
- 2026-05-22
- 最近出现
- 2026-06-09
- 累计提及
- 12
§ 01综述
扩散模型仍是生成模型领域的研究热点,近期工作聚焦于改善其采样效率、适用场景和理论基础。
在加速推理方面,多种方法涌现:Dual-Rate Diffusion 通过交错轻重网络降低计算成本;FLDD 提出可学习加噪过程以实现少步生成;PVMC 则针对深度状态空间模型训练加速10倍。
新应用场景持续拓展:RiskFlow 用于安全关键交通场景的快速生成;SDPM 将扩散模型引入连续时间生存分析;Drifting Models 在流体模拟中比传统扩散模型快两个数量级。
理论创新方面:PTL-Diffusion 改进流形感知扩散,引入周期终端分布;对比分布匹配 用摊销序贯蒙特卡洛方法提升离散扩散效果;综述 系统回顾了生成模型在逆向材料设计中的多模态应用。
此外,模型崩溃 研究揭示了结构化交互学习中生成模型退化的条件,为训练稳定性提供警示。
当前焦点从提升样本质量和推理速度,转向探索扩散模型在科学计算(流体、材料、医疗)中的可靠性和可解释性。未来需关注模型崩溃的应对策略,以及如何将离散与连续扩散方法的优势结合。