扩散模型无数据训练方法提出
热点事件持续更新
扩散模型无数据训练方法提出
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
Dennis Grinwald 等作者提出一种扩散模型的无数据训练方法：模型可仅凭自身生成的样本完成训练，前提是能访问未归一化的概率密度，从而绕开格点场论中采样平衡场构型的计算瓶颈。 该方法基于目标 score 恒等式，包含重要性加权与无权两种变体，在二维 φ⁴ 理论的对称、临界和破缺相中验证了训练与采样效果。作者称其性能与使用 HMC 参考数据训练相当。
AI 根据报道生成 · 1 小时前更新
最新进展10月14日 12:00
无需目标分布样本：扩散模型在格点场论中的数据自由训练报道时间线
沿着报道，了解事件的不同侧面。
10月14日
- arXiv · cs.LG无需目标分布样本：扩散模型在格点场论中的数据自由训练
扩散模型可仅凭自身生成的样本完成训练，前提是能访问未归一化概率密度，从而绕开格点场论中采样平衡场构型的计算瓶颈。研究基于目标 score 恒等式提出重要性加权与无权变体两种方案，在二维 φ⁴ 理论的对称、临界和破缺相中验证了训练与采样效果。该数据自由训练方法的性能与使用 HMC 参考数据训练相当。
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。