論文・研究

分類フローマップの規模を拡張

原題:Scaling Categorical Flow Maps

AI 要約

連続拡散モデルとフローマッチングモデルは、言語モデリングにおける自己回帰手法の有力な代替となる可能性があり、加速サンプリングや傾斜などの連続モダリティの利点を引き出せる。最近の研究では、ガウス分布とone-hotエンコードされたデータ分布の間の単純なフローマッチング過程を通じて離散データの連続生成を実現し、分類フローマップ(CFMs)によって加速サンプリングの実現可能性を検証した。サンプル品質は競争力がある。

要点

  • 連続拡散モデルとフローマッチングモデルは、言語モデリングにおける自己回帰手法の有力な代替となる可能性があり、加速サンプリングや傾斜などの連続モダリティの利点を引き出せる。
  • 最近の研究では、ガウス分布とone-hotエンコードされたデータ分布の間の単純なフローマッチング過程を通じて離散データの連続生成を実現し、分類フローマップ(CFMs)によって加速サンプリングの実現可…
  • サンプル品質は競争力がある

概要

公開日時
更新日時
出典
Apple Machine Learning Research(RSS)
カテゴリ
論文・研究
AI スコア
64
原文を読む 情報源で全文を読む
おすすめの理由

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。

出典と著作権

本記事は AIHOT の公開 API が提供する厳選タイトルと AI 要約に基づいており、出典の明記と元記事へのリンクを行っています。原文の著作権は元の媒体と著者に帰属し、当サイトは全文を転載しません。

原文記事 · AIHOT 記事

引用方法

本記事を引用する際は、タイトル・日付・パーマリンクを保持し、出典をOrange Newsと明記してください。

Orange News:分類フローマップの規模を拡張。2026年8月7日。https://new.nat6.net/ja/news/cmsj4jrne24d5ronkvb40rucl/

すべて見る →