科研领域生成模型讨论:能否用自家模型给样本打分成关键
MarkNeumannnn · x · 2026-09-17
AI 研究者 Mark Neumann 在与 @DdelAlamo 的讨论中提出:在科学/科研领域,用自家模型给生成样本打分(scoring samples under your model)比其他领域更重要,因此相关论文中的部分论点在科研场景下参考价值较低。他同时补充了两条参考文献:一是用于图像的保守扩散模型(conservative diffusion model),二是一份(他认为未正式发表的)探讨为什么实践中人们(至少在图像领域)不这么做讨论的材料。讨论聚焦于生成式模型在科学应用中如何做约束与评估这一具体技术问题。
「研究」频道最新
- 哈佛研究:智能手机数据可高精度预测自杀风险 — pshrink · 2026-09-17
- 7 个模型实测:编码 agent 的 harness 不影响成功率却显著影响成本 — DavideCrapis · 2026-09-17
- 神经进化值函数驱动 AI 俄罗斯方块,浏览器自进化达破纪录速度 — NathanWilbanks_ · 2026-09-17
- 研究揭示 Polymarket 180 万笔回滚交易中的原子性漏洞 — chaumian · 2026-09-17
- NeurIPS 2026 开放财务资助与志愿者申请,10 月 6 日截止 — NeurIPSConf · 2026-09-17
- 花 4 美元分类 1018 篇 AI 论文,单篇延迟仅 256ms — nutlope · 2026-09-17