Масштабирование категориальных потоковых карт (Categorical Flow Maps)
Оригинальный заголовок:Scaling Categorical Flow Maps
ИИ-резюме
Непрерывные модели диффузии и потокового согласования могут стать сильной альтернативой авторегрессионным методам в языковом моделировании, открывая преимущества непрерывных модальностей, такие как ускоренная выборка и склонение. Недавние исследования реализуют непрерывную генерацию дискретных данных через простой процесс потокового согласования между гауссовым распределением и распределением данных в one-hot кодировке, а с помощью категориальных потоковых карт (CFMs) подтверждена осуществимость ускоренной выборки при конкурентоспособном качестве образцов.
Ключевые моменты
- Непрерывные модели диффузии и потокового согласования могут стать сильной альтернативой…
- Недавние исследования реализуют непрерывную генерацию дискретных данных через простой процесс…
- а с помощью категориальных потоковых карт (CFMs) подтверждена осуществимость ускоренной выборки…
Кратко
- Опубликовано
- Обновлено
- Источник
- Apple Machine Learning Research(RSS)
- Категория
- Статьи и исследования
- Оценка ИИ
- 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。
Источник и авторские права
Статья основана на отобранных заголовках и ИИ-резюме из открытого API AIHOT с указанием источника и обратными ссылками. Авторские права на оригинал принадлежат исходным изданиям и авторам; сайт не воспроизводит полные тексты.
Как цитировать
При цитировании сохраняйте заголовок, дату и постоянную ссылку, указывая источник: Orange News.
Orange News: Масштабирование категориальных потоковых карт (Categorical Flow Maps). 7 августа 2026. https://new.nat6.net/ru/news/cmsj4jrne24d5ronkvb40rucl/