离散扩散模型新采样调度减少计算量
热点事件持续更新
离散扩散模型新采样调度减少计算量
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
Alberto Foresti 等作者提出两种离散扩散模型采样调度：Entropic Discrete Schedule（EDS）与 Wasserstein Discrete Schedule（WDS）。作者称，在语言建模实验中，WDS 在 MBPP 基准上仅用最多一半的计算量就达到与均匀调度相同的结果。 两种调度基于对离散扩散模型逆向过程的热力学熵产生与动力学活性分析：EDS 与熵产生对齐，WDS 则将熵产生和动力学活性结合为几何代价。代码已开源。
AI 根据报道生成 · 2 小时前更新
最新进展10月30日 12:00
离散扩散模型采样调度改进：WDS 在 MBPP 上用一半计算量达到均匀调度效果报道时间线
沿着报道，了解事件的不同侧面。
10月30日
- arXiv · cs.LG离散扩散模型采样调度改进：WDS 在 MBPP 上用一半计算量达到均匀调度效果
研究通过热力学熵产生与动力学活性分析离散扩散模型的逆向过程，提出 Entropic Discrete Schedule（EDS）和 Wasserstein Discrete Schedule（WDS）两种采样调度。在语言建模实验中，WDS 在 MBPP 基准上仅用最多一半的计算量就达到与均匀调度相同的结果，代码已开源。
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。