新预印本:免标签最优传输耦合让 CFG 流模型在 ImageNet-256 达 1.91 FID
serrjoa · x · 2026-10-18
新预印本提出 Global Transport(GT)couplings 用于 classifier-free guided flow 模型:一种简单的不需要标签的最优传输耦合,在推高 CFG scale 后同时优于类条件 OT 和独立耦合,在 ImageNet-256 上达到 1.91 FID。
背景:minibatch-OT(把训练样本匹配到最近的噪声样本)可以改进无条件流模型,但在条件模型中不可行;研究者发现一个反直觉的简单解法——匹配时直接忽略条件,仅对样本与噪声做全局 OT 匹配,配合 CFG 性能仍然提升。
「研究」频道最新
- Eli Ben-Sasson:格密码结构或被 AI 攻破,建议再等 3-5 年 — examachine · 2026-10-18
- MIT 让 Claude 驱动的智能体在岛上自由玩 30 小时,发现「机器玩耍」能自学新能力 — LuizaJarovsky · 2026-10-18
- 新论文提出在基准饱和后改看解题过程来测模型能力 — maksym_andr · 2026-10-18
- Economy of Minds:用本地激励替代中央管理者,让 LLM 智能体群体自组织 — pliang279 · 2026-10-18
- Ropedia 预告 Super Week:五天连发世界模型与灵巧手等六项成果 — liuziwei7 · 2026-10-18
- Google 打造 AI 智能体控制的自主湿实验室,实现分子设计闭环 — Puzzleheaded-King584 · 2026-10-18