Search

Tag: #diffusion-models36 results

Google DiffusionGemma 模型透明度審計

研究人員對 DiffusionGemma 進行了透明度審計，並將其可解釋性與標準的自回歸模型（如 Gemma）進行了比較。雖然變數透明度相當，但由於其非時間順序的擴散推理過程，該模型在演算法透明度方面提出了獨特的挑戰。

AI Alignment ForumCommunity•Jun 20#interpretability#model-transparency#diffusion-models

現代擴散語言模型的系統性實驗分析

本研究針對八種最先進的擴散語言模型 (DLMs) 進行了跨基準測試的全面評估。研究探討了生成品質與計算效率之間的權衡，並強調了推理階段的設計選擇如何影響模型效能。

ArXiv AIResearch•Jun 19#diffusion-models#llm-architecture

Google 的 DiffusionGemma 模型實現 4 倍速度提升

Google 更新了其開源的 DiffusionGemma 模型，帶來了 4 倍的效能提升。此項改進旨在為開發者加速文字生成圖像的工作流程。

Ars TechnicaMedia•Jun 10#diffusion-models#latency-optimization#text-to-image

DiBS：用於約束滿足問題的擴散模型分支選擇

DiBS 是一種將擴散模型整合至符號求解器的新方法，旨在優化 Sudoku 等約束滿足問題中的分支選擇。透過擴散模型作為引導，該方法顯著降低了複雜實例中的搜尋成本與回溯次數。

ArXiv AIResearch•Jun 8#diffusion-models#symbolic-ai#optimization

GRiD：用於知識圖譜推理的圖結構規則生成框架

GRiD 是一個利用擴散模型為知識圖譜推理發現複雜圖結構邏輯規則的新框架。透過結合監督式預訓練與強化學習，它克服了傳統鏈式規則挖掘的局限性。

ArXiv AIResearch•Jun 1#knowledge-graph#diffusion-models#logical-reasoning

Apple 解析擴散模型組成泛化機制

Apple 研究人員探討條件擴散模型組成泛化的機制，聚焦長度泛化——生成比訓練中更多物體的圖像。在受控 CLEVR 實驗中，成功率因情況而異，顯示模型不一致地學習組成結構。本研究調查局部機制以解釋此現象。

Apple Machine LearningOfficial•Apr 28#diffusion-models

A-SelecT：自動化DiT時間步選擇

A-SelecT 在單次執行中從 DiT 變換器特徵動態選取最具資訊豐富性的時間步。消除耗時的窮舉時間步搜尋與次優特徵選擇，提升訓練效率。實驗顯示在分類與分割基準上超越先前擴散模型方法。

ArXiv AIResearch•Mar 30#diffusion-models#timestep-selection

DiffGraph：代理驅動的T2I模型合併框架

DiffGraph是一種新型代理驅動的圖形基礎框架，用於合併線上專家文字轉圖像模型，以滿足多樣化使用者需求。它透過節點註冊和校準建構可擴展圖形組織專家，然後根據使用者需求動態激活子圖以實現靈活組合。實驗證實其有效利用豐富線上資源。

ArXiv AIResearch•Mar 24#model-merging#text-to-image#diffusion-models