Kertas penyelidikan

Memperluas skala Peta Aliran Kategori (Categorical Flow Maps)

Tajuk asal:Scaling Categorical Flow Maps

Ringkasan AI

Model resapan berterusan dan pemadanan aliran dijangka menjadi alternatif kukuh kepada kaedah autoregresif dalam pemodelan bahasa, mampu membuka kelebihan modaliti berterusan seperti pensampelan dipercepat dan condongan. Kajian terkini mencapai penjanaan berterusan data diskret melalui proses pemadanan aliran mudah antara taburan Gaussian dan taburan data pengekodan one-hot, serta mengesahkan kebolehlaksanaan pensampelan dipercepat melalui Peta Aliran Kategori (CFM), dengan kualiti sampel yang berdaya saing.

Maklumat penting

  • Model resapan berterusan dan pemadanan aliran dijangka menjadi alternatif kukuh kepada kaedah…
  • Kajian terkini mencapai penjanaan berterusan data diskret melalui proses pemadanan aliran mudah…
  • serta mengesahkan kebolehlaksanaan pensampelan dipercepat melalui Peta Aliran Kategori…

Sekilas pandang

Diterbitkan pada
Dikemas kini pada
Sumber
Apple Machine Learning Research(RSS)
Kategori
Kertas penyelidikan
Skor AI
64
Baca asal Baca artikel penuh di sumber asal
Sebab disyorkan

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。

Sumber dan hak cipta

Artikel ini disusun berdasarkan tajuk pilihan dan ringkasan AI daripada API awam AIHOT, dengan sumber dinyatakan dan pautan balik disediakan; hak cipta teks asal milik media dan penulis asal, laman ini tidak menyalin penuh teks penuh.

Pautan asal · Entri AIHOT

Cara memetik

Apabila memetik artikel ini, kekalkan tajuk, tarikh dan pautan kekal, serta nyatakan sumber sebagai Orange News.

Orange News: Memperluas skala Peta Aliran Kategori (Categorical Flow Maps). 7 Ogos 2026. https://new.nat6.net/ms/news/cmsj4jrne24d5ronkvb40rucl/

Lihat Semua →