热点事件持续更新

离散扩散采样调度EDS与WDS提出并开源

1 篇报道1 个报道来源4 小时前更新

先了解这件事

AI 综述

研究提出熵离散调度（EDS）与水斯坦离散调度（WDS），基于热力学熵产生与动力学活跃度优化离散扩散模型反向过程。 WDS将熵产生与动力学活跃度结合为几何成本，在MBPP基准上效果与均匀调度相当，但计算量最多减少50%。代码已开源。

AI 根据报道生成 · 1 小时前更新

最新进展10月30日 12:00

沿着报道，了解事件的不同侧面。

10月30日

12:00
arXiv · ML
离散扩散模型改进采样调度：EDS 与 WDS
研究提出熵离散调度（EDS）和水斯坦离散调度（WDS），基于热力学熵产生与动力学活跃度优化离散扩散模型反向过程。 WDS 结合熵产生与动力学活跃度作为几何成本，在 MBPP 基准上达到与均匀调度相同效果，但计算量减少最多 50%。代码已开源。

还没有足够的连续观测数据，暂不绘制趋势。