摆脱维度灾难：高维流形假设下扩散模型收敛性研究
skoularidou · x · 2026-08-10
该论文研究了去噪扩散概率模型（DDPM）在高维流形假设下的表现。作者成功证明了其在分数学习和 Wasserstein 距离采样复杂度上的收敛速率均独立于环境维度，并通过引入高斯过程极值理论构建了新的分析框架。
「研究」频道最新
- UCSD 研究：GPT-4 图灵测试通过率达 49.7%，但仍不及人类基线 — ArtificialOther · 2026-08-10
- 10亿参数即达人类行为预测上限，认知微调模型泛化能力研究 — socius · 2026-08-10
- 对抗攻击的正面应用：视觉内容全生命周期的主动保护综述 — Jiaming Zhang · 2026-08-10
- 可解释性工具也会「选择性失明」：微调后的激活预言机反成概念盲点 — QMUL · 2026-08-10
- 研究：人类大脑在学习概率分布时倾向于虚构结构 — bravo_abad · 2026-08-10
- HF 与 EleutherAI 发布 FineBooks 基准：开源 OCR 模型历史文献识别准确率达 97.6% — vanstriendaniel · 2026-08-10