Pinalawak ang scale ng Categorical Flow Maps
Orihinal na pamagat:Scaling Categorical Flow Maps
AI summary
Ang continuous diffusion at flow matching model ay inaasahang magiging malakas na alternatibo sa autoregressive na pamamaraan sa language modeling, na makakapag-unlock ng mga bentahe ng continuous modality tulad ng accelerated sampling at tilting. Kamakailan, sa pamamagitan ng simpleng flow matching process sa pagitan ng Gaussian distribution at one-hot encoded data distribution, nakamit ang continuous generation ng discrete data, at sa tulong ng Categorical Flow Maps (CFMs) ay napatunayan ang feasibility ng accelerated sampling, na may competitive na kalidad ng sample.
Mahahalagang impormasyon
- Ang continuous diffusion at flow matching model ay inaasahang magiging malakas na alternatibo sa…
- Kamakailan,sa pamamagitan ng simpleng flow matching process sa pagitan ng Gaussian distribution at…
- at sa tulong ng Categorical Flow Maps (CFMs) ay napatunayan ang feasibility ng accelerated…
Mabilisang tingin
- Na-publish noong
- Na-update noong
- Pinagmulan
- Apple Machine Learning Research(RSS)
- Kategorya
- Mga Papel at Pananaliksik
- AI na marka
- 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。
Pinagmulan at copyright
Ang artikulong ito ay batay sa mga piling pamagat at AI summary mula sa pampublikong API ng AIHOT, may nakasaad na pinagmulan at backlink; ang copyright ng orihinal na teksto ay pag-aari ng orihinal na media at may-akda, hindi namin ginagaya ang buong teksto.
Paano banggitin
Kapag binabanggit ang artikulong ito, panatilihin ang pamagat, petsa at permanenteng link, at banggitin ang Orange News bilang pinagmulan.
Orange News: Pinalawak ang scale ng Categorical Flow Maps. 7 Agosto 2026. https://new.nat6.net/fil/news/cmsj4jrne24d5ronkvb40rucl/