提出Conditional Vendi多样性评测方法

Mohammad Jalali等发布论文，提出Conditional-Vendi与Conditional-RKE两个指标，基于半正定矩阵的条件熵，用于在提示引导生成中分离模型自身产生的多样性，并开源了代码。 论文摘要称，在文本生成图像、图像描述和LLM任务上，两个指标恢复了真实的多样性排序，还可引导扩散模型生成更多样的样本；Conditional-RKE具有O(1/√n)收敛率，Conditional-Vendi使用截断谱近似获得可扩展且一致的估计。 目前仅依据论文摘要，实验规模和详细基线未说明，上述结果为作者声称。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。