只换采样器不重训,扩散模型离散推理从 0.8% 跳到 65.7%
francoisfleuret · x · 2026-10-26
MariiaDML 团队(被 Franco Fleuret 转发)的实验线索显示,连续扩散模型在离散推理上的能力可能被标准采样方式严重低估:
- 实验对象:SRM 的 MNIST-Sudoku Hard checkpoint(arXiv 2502.21075)
- 唯一改动:只替换采样器,不做任何重训练
- 结果:有效数独解出率从 0.8% 提升到 65.7%
- 作者认为这表明标准采样是离散推理的瓶颈,并发布了推串分析标准采样为何失效
「研究」频道最新
- 神经元可解释性研究警告：训练配方不同结论或不可迁移 — tszzl · 2026-10-26
- DeepSeek 1017 ckpt 登上 FrontierCS 2,成绩小幅提升 — scaling01 · 2026-10-26
- 新论文:KV cache 卸载 SSD 会把闪存寿命从年缩到月,按注意力类型分级可延寿 7.3 倍 — ThePrimeClock · 2026-10-26
- 百度 LeWAM 论文被指蹭名：提交17天后才加 LeWAM 标签 — randall_balestr · 2026-10-26
- 上交大等提出 RAVEL:训练评测 210 个 MLLM,为视觉编码器选择立强基线 — jiqizhixin · 2026-10-26
- 腾讯开源 WeVisOne-VL:一个模型统包检测、OCR、分割与抠图 — lmoroney · 2026-10-26