Apple Machine Learning Research·25 天前★ 2
Normalizing Trajectory Models：少步扩散的精确似然建模
原文标题：Normalizing Trajectory Models
重要度 2/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
AI 智能摘要
论文提出归一化轨迹模型（NTM），将扩散模型的每个反向步骤建模为表达力强的条件归一化流，实现精确似然训练。该方法在少步生成场景下兼顾了采样效率与似然框架，弥补了蒸馏、一致性训练等现有方法牺牲似然的缺陷。
- 问题
- 扩散模型压缩到少步生成时，高斯去噪假设失效，现有少步方法又牺牲似然框架。
- 方法
- 把每个反向步骤建模为表达力强的条件归一化流，实现精确似然训练，每步内用浅可逆块加深层并行结构。
- 结果
- 未给出量化结果
- 影响
- 让少步扩散同时具备采样效率与可用的似然评估，利于需要概率打分的生成应用。
阅读原文 +0
AI 处理过程展开/收起
原始标题：Normalizing Trajectory Models
AI 中文标题：Normalizing Trajectory Models：少步扩散的精确似然建模
来源：Apple Machine Learning Research · 发布于 25 天前
分类：学术研究 · AI 重要度：★ 2（2）
标签：扩散模型 / 归一化流 / 少步生成 / 似然建模 / 生成模型
关键词：扩散模型 / 归一化流 / 少步生成 / 生成模型 / 似然训练
相关推荐
36氪·6 天前★ 5
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
#学术研究
The Verge AI·23 天前★ 5
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
#学术研究
OpenAI·26 天前★ 5
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
#学术研究
The Verge AI·26 天前★ 5
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。
#学术研究