MSR：测试时从真实语料挖掘类别模式提升生成多样性
Kostas Triaridis · hf · 2026-10-17
Stony Brook 与 Microsoft 研究者发布论文 Mine, Sample, Render (MSR)，针对生成模型「单样本质量高但采样多样性差」的问题提出测试时多样性对齐方法。
核心思路是把多样性外化为显式的语料驱动采样流程：
- Mine：从真实产物语料中挖掘可解释的类别模式（categorical schema）及其统计分布；
- Sample：按语料统计采样属性配置；
- Render：把生成模型仅当作条件渲染器，渲染采样出的配置。
作者在天气报告生成、用户模拟、网页设计、文生图、Agent 生成的 3D 资产等任务上评估，结果显示 MSR 提升了输出与语料分布的对齐度和多样性。
「多模态」频道最新
- Runway Agent 竟可直接生成 3D HTML 动画，提示词已公开 — CurieuxExplorer · 2026-10-17
- Noiz AI 与港科大开源 Helix World：单张 H800 实时生成会“转头”的视听世界 — lmoroney · 2026-10-17
- 开发者发布 ComfyUI 节点,解决 MOSS-Image 坐标随分辨率变化难题 — b4ldur · 2026-10-17
- 四工具接力流水线：Blender加三个生成模型做出真人级特技视频 — apostraphi · 2026-10-17
- 「一种新英雄」:AI 生成曼哈顿清晨航拍视频惊到 Reddit 网友 — BridgeTenant87 · 2026-10-17
- 社区转向 MOSS Image 新文生图模型,Comfy Org 已上架权重 — Cultural-Umpire9061 · 2026-10-17