掩码扩散并行采样依赖图结构
热点事件观察中
掩码扩散并行采样依赖图结构
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
研究团队证明,掩码扩散模型中广泛使用的最低熵等并行解掩码评分并非始终优于随机并行采样;即使条件概率精确,效果仍取决于样本依赖结构,并在受控随机游走图上给出理论结果。 作者提出免训练的二分采样器;在学习到的边缘分布精确时,该方法对随机游走具有可证明的精确性。基于预训练模型的实验称,二分采样器在OpenWebText生成及GSM8K、MBPP、HumanEval推理任务上提供速度与生成质量权衡,但不同图结构适用的采样器不同。
AI 根据报道生成 · 2 小时前更新
最新进展10月8日 12:00
掩码扩散模型并行采样研究:图随机游走揭示条件依赖与二分采样器报道时间线
沿着报道,了解事件的不同侧面。
10月8日
- arXiv · cs.AI掩码扩散模型并行采样研究:图随机游走揭示条件依赖与二分采样器
研究以图随机游走为可控沙场,分析掩码扩散模型的并行采样策略,并在摘要中报告最低熵等并行解掩码评分并不总优于随机并行采样。作者提出训练免用的二分采样器,在学习到的边缘分布精确时对随机游走具有可证明精确性;在 OpenWebText 生成及 GSM8K、MBPP、HumanEval 推理基准上的实验显示,不同图结构适合不同采样器,二分采样器提供速度与质量权衡。
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。