Artículos e investigación

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
Fuente
Apple Machine Learning Research(RSS)
Categoría
Artículos e investigación
Puntuación IA
64
Leer el original Leer el artículo completo en la fuente original
Por qué importa

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.

Artículo original · Ficha de AIHOT

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/

Ver todo →