Nature 通讯：扩散模型单样本影响力随数据增长递减
maier_ak · x · 2026-08-25
2026 年《Nature Communications》的一项研究发现，在扩散模型中，单个训练图像的因果影响力随着数据集的增长而缩小，遵循反幂律分布。
- 因果贡献（CR）会变得非常微小，导致无法将输出归因于某一个特定样本。
- 这意味着在大规模数据集训练的模型中，试图识别或保护单一数据源的影响在数学上是极其困难的。
所属事件:Nature研究：扩散模型单样本因果影响力随规模递减(5 条相关)→
「研究」频道最新
- WEDGE 论文：把导航失败经历变成可学习的训练环境 — _akhaliq · 2026-10-16
- RExBench 基准:最强编码 Agent 自主完成研究扩展成功率仅 33% — najoungkim · 2026-10-16
- Google 发布 CLASHarness:基准测试多智能体冲突下的计算机操作能力 — google · 2026-10-16
- 清华团队证明:普通 Flow Matching 采样无法突破固定深度模型表达力上限 — SQZ · 2026-10-16
- APEX-Harm 基准:共享工作区中脚本注入攻击对智能体成功率居高不下 — KAUST · 2026-10-16
- USC 研究:智能体 residual stream 状态可预测并拦截越权动作与事后撒谎 — USC · 2026-10-16