扩散模型上下文评分算子学习框架提出

研究者提出一种面向扩散模型的上下文内得分算子学习框架，将每个目标分布视为从元分布中抽取的任务，在推理时由经验上下文集指定。作者称，该框架无需重训练或更新参数，即可对未见任务进行反向扩散采样。 该工作由 Wuzhe Xu 等作者发表，属于 arXiv cs.LG 论文。其核心变化在于把任务适配从训练阶段移到推理阶段，由上下文集合直接指定目标分布。

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。