跳到正文
AI NEWS JOURNAL
AI, IN PERSPECTIVE

搜索 AI 资讯

检索标题、摘要与正文,把分散的信息连起来。

按发布时间排序

Oddin:通过图像生成的自蒸馏实现统一多模态模型中的潜在视觉推理

arXiv:2610.33062v1 发布类型:新 摘要:统一的大型多模态模型(ULMMs)能够通过交错进行的文本-图像生成来执行视觉推理,但生成显式的中间图像会带来显著的计算开销。尽管视觉潜在推理可以解决这一问题,但现有方法大多依赖于无法进行视觉生成的视觉-语言模型(VLMs)。我们提出了一种名为Oddin的新框架,能够在ULMMs中实现潜在的视觉推理。Oddin用紧凑的潜在标记取代中间图像,这些标记完全由理解分支处理,而生成分支则专门用于生成最终输出图像。我们通过离线自蒸馏训练该模型,包含三项优化目标:最终图像生成损失、文本蒸馏损失以及交叉熵损失,用于

事件进展与其他报道

面向物理信息优化的端到端可微扩散条件生成

arXiv:2610.31721v1 发布类型:新 摘要:在评估成本高昂且约束复杂的高维物理系统时,如何进行优化是科学与工程领域的一项核心挑战。在离线模型基优化(MBO)中,方法必须仅利用固定的数据集来改进设计方案,而不能在测试阶段访问真实的优化目标。然而,现有方法通常存在保守性、对代理模型的无约束利用,或作为静态的推理阶段采样器,无法根据精确的物理目标进一步优化候选解等问题。本文提出了一种用于离线模型基优化的可微扩散条件化(D2C)方法,该方法利用了这样一个事实:确定性采样使得反向去噪链相对于条件信号是可微的。D2C将一个 fro

End-to-End Differentiable Diffusion Conditioning for Physics-Informed Optimization
事件进展与其他报道