双向扩散模型可自测误差：无需真值的自监督长程预测新框架
Clean-Hovercraft5825 · reddit · 2026-08-06
自回归模型（如潜空间扩散模型）在执行长程多步预测时往往会不断累积误差，且在实际部署中缺乏真值进行衡量。
该研究提出了一种双向条件扩散模型，通过一个方向标志控制动力系统在时间上的前进或后退。这种双向性提供了一种无需测量的测试时误差信号：模型先向前预测再向后回溯，其往返一致性差异即可作为不可观测预测误差的自监督代理指标。
该方法无需集成模型、保留数据或底层物理方程，仅需额外一次预测。实验表明，将两个方向训练在同一网络中，其效果超越了分别训练的两个单向专家模型。论文附带了完整的数据生成、训练与分析代码。
「研究」频道最新
- 只训练投影器即可扩展新模态，Llama 能力不退化 — rohanpaul_ai · 2026-08-25
- ARC 方法提升开放环境中群体强化学习的公平性 — ant-intl · 2026-08-25
- 通过概念缩放和密集监督提升扩散模型图像编辑能力 — inclusionAI · 2026-08-25
- 腾讯发布 GameXpert-Bench，评测智能体游戏开发全流程能力 — Tencent-Hunyuan · 2026-08-25
- REGRIND：用人体轨迹初始化提升灵巧操作强化学习样本效率 — HaozhiQ · 2026-08-25
- 实时语音 AI 听得到情绪却不用：120 次测试 119 次照本宣科 — Once_ina_Lifetime · 2026-08-25