掩码扩散模型获端到端误差保证

Fareed Sheriff 提交的论文提出，在条件混合（CM）源下为掩码扩散模型（MDM）学习型去噪器给出端到端保证：对任意掩码分布，训练得到的经验风险最小器要达到每 token 超额误差 ε'，所需训练序列数为 ε'^{-O(τ_c log|V|)}，且该样本复杂度与序列长度 N 无关。 这一结果同时覆盖采样与训练误差界，适用于条件混合源下的去噪器学习。

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。