区域异质前向动力学离散扩散论文被NeurIPS 2026接收
热点事件持续更新
区域异质前向动力学离散扩散论文被NeurIPS 2026接收
1 篇报道1 个报道来源7 小时前更新
先了解这件事
AI 综述
Gunmay Jhingran 等提出一种离散扩散新方法，通过结合吸收核与均匀混合核引入区域依赖的随机替换机制，旨在打破上下文完全信任的二元限制，实现信任度的动态调整。 该方法在 170M 参数模型上微调耗时仅需 5 小时，实测显示其均匀随机损坏检测召回率达 0.96，在 10% 损坏率下填充 F1 指标提升 3.8 分，验证了通过改变前向动力学而非调整架构来提升模型信任度的有效性。 该研究成果表明区域异质前向动力学能有效提升离散扩散模型性能，目前该论文已被第 40 届神经信息处理系统大会（NeurIPS 2026）的“随机动力学 AI”研讨会正式接收。
AI 根据报道生成 · 7 小时前更新
最新进展10月19日 12:00
Trust but Verify: 为离散扩散设计区域异质前向动力学报道时间线
沿着报道，了解事件的不同侧面。
10月19日
- arXiv · MLTrust but Verify: 为离散扩散设计区域异质前向动力学
通过结合吸收核与均匀混合核，在离散扩散模型中引入区域依赖的随机替换机制，打破上下文完全信任的二元限制。 在 170M 参数模型上微调仅需 5 小时，均匀随机损坏检测召回率达 0.96，10% 损坏率下填充 F1 提升 3.8 分。 该研究表明信任度可通过改变前向动力学实现，而非调整架构，论文已被 NeurIPS 2026 接收。
本事件热度走势
- 可比范围当前
- 8
- 可比范围峰值
- 1010月19日 13:00
- 近 24 小时变化
- –
02.557.510
13:0014:0015:0016:0017:0018:0019:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。