Ampliación de la escala de los mapas de flujo categórico
Título original:Scaling Categorical Flow Maps
Resumen de IA
Los modelos de difusión continua y de coincidencia de flujo podrían convertirse en una alternativa sólida a los métodos autorregresivos en el modelado del lenguaje, ya que permiten aprovechar ventajas de las modalidades continuas como el muestreo acelerado y el sesgo. Investigaciones recientes logran la generación continua de datos discretos mediante un proceso simple de coincidencia de flujo entre distribuciones gaussianas y distribuciones de datos codificados one-hot, y confirman con mapas de flujo categórico (CFM) la viabilidad del muestreo acelerado, con una calidad de muestras competitiva.
Puntos clave
- Los modelos de difusión continua y de coincidencia de flujo podrían convertirse en una alternativa…
- Investigaciones recientes logran la generación continua de datos discretos mediante un proceso…
- y confirman con mapas de flujo categórico (CFM) la viabilidad del muestreo acelerado,con una…
Resumen rápido
- Publicado
- Actualizado
- Categoría
- Artículos e investigación
- Puntuación IA
- 64
研究将分类流映射扩展到大规模语言建模,为连续扩散替代自回归提供了实验证据,可能影响模型架构选择。
Fuente y derechos
Este artículo se basa en títulos seleccionados y resúmenes de IA de la API pública de AIHOT, con atribución y enlaces de vuelta. Los derechos del original pertenecen a los medios y autores originales; este sitio no reproduce textos completos.
Cómo citar
Al citar este artículo, conserva el título, la fecha y el enlace permanente, e indica que la fuente es Orange News.
Orange News: Ampliación de la escala de los mapas de flujo categórico. 7. agosto 2026. https://new.nat6.net/es/news/cmsj4jrne24d5ronkvb40rucl/