跳到正文
热点事件持续更新

研究者提出免训练动态CFG策略

1 篇报道1 个报道来源14 小时前更新

先了解这件事

AI 综述

Jiayang Gao等研究者将扩散模型采样轨迹建模为时变信息瓶颈，发现条件信息的有效性在采样过程中并不均匀，而是在满足Fisher信息平衡条件的临界阶段后显著增强。 基于这一发现，他们提出一种免训练的动态CFG推理策略：从条件与无条件score统计量构建随机过程，当估计的引导增益超过阈值时激活guidance，并将区间式引导作为极限特例纳入统一框架。

AI 根据报道生成 · 2 小时前更新

最新进展10月12日 12:00
用信息瓶颈打开 Classifier-Free Guidance 黑箱：一种免训练的动态 CFG 策略

报道时间线

沿着报道，了解事件的不同侧面。

10月12日
  1. arXiv · cs.LG
    用信息瓶颈打开 Classifier-Free Guidance 黑箱：一种免训练的动态 CFG 策略

    研究者将扩散模型采样轨迹建模为时变信息瓶颈，发现条件信息的有效性在采样过程中并不均匀，而是在满足 Fisher 信息平衡条件的临界阶段后显著增强。基于此提出一种免训练的动态 CFG 策略，从条件与无条件 score 统计量构建随机过程，当估计的引导增益超过阈值时激活 guidance，并将区间式引导作为极限特例纳入统一框架。

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。