离散扩散模型获确定性采样新框架ERFs
热点事件持续更新
离散扩散模型获确定性采样新框架ERFs
1 篇报道1 个报道来源19 小时前更新
先了解这件事
AI 综述
研究者 Samson Gourevitch 等人提出指数残差流（ERFs），为离散扩散模型构建了类似概率流 ODE 的确定性采样框架，并证明该构造能保持原扩散模型的边缘分布。 方法为每个 token 和位置引入连续残差变量：残差按分段 ODE 确定性演化，归零时离散状态切换；作者给出了实用离散化方案，专门适配 masked 与 uniform 扩散。ERFs 的确定性轨迹支持一致性蒸馏，在代码与文本生成等多项基准上取得优于此前方法的实证提升。
AI 根据报道生成 · 2 小时前更新
最新进展10月30日 12:00
面向离散扩散模型的 ODE 采样器：指数残差流（ERFs）报道时间线
沿着报道，了解事件的不同侧面。
10月30日
- arXiv · cs.LG面向离散扩散模型的 ODE 采样器：指数残差流（ERFs）
研究者提出指数残差流（ERFs），为离散扩散模型构建了类似概率流 ODE 的确定性采样框架，并证明该构造能保持原扩散模型的边缘分布。方法为每个 token 和位置引入连续残差变量，残差按分段 ODE 确定性演化、归零时离散状态切换，并给出实用离散化方案，专门适配 masked 与 uniform 扩散。ERFs 的确定性轨迹支持一致性蒸馏，在代码与文本生成等多项基准上取得优于此前方法的实证提升。
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。