新论文证明扩散模型无需噪声条件化：几何机制被解释清楚
prof_kamilov · x · 2026-10-30
Google 研究者 Mojtaba Sahraee-Ardakan、Mauricio Delbracio 与 Peyman Milanfar 在 Asilomar 会议发表论文《The Geometry of Noise: Why Diffusion Models Don't Need Noise Conditioning》（arXiv:2602.18428）。
- 研究对象是不依赖噪声水平条件化的自主生成模型（如 Equilibrium Matching、blind diffusion），它们学习单一、时间不变的向量场。
- 论文提出「边际能量」Emarg(u) = -log p(u) 的形式化框架，证明自主模型的生成过程本质上是该能量景观上的黎曼梯度流，而非单纯的盲去噪。
- 关键结论：虽然原始能量景观在数据流形附近存在 1/t^p 型奇异性，但学到的时间不变场隐含一个局部共形度量，恰好抵消这一几何奇异性——解答了「无噪声条件的网络为何在流形附近仍稳定」的悖论。
「研究」频道最新
- Claude 仍无法证明数域筛法的时间复杂度，研究者跟进形式化进展 — geoffreyirving · 2026-10-30
- 量子测量为何能产出不可计算的高复杂度随机串 — jessi_cata · 2026-10-30
- 新研究：用 LLM 清单补人类评审短板，降低抽签式方差 — JessicaHullman · 2026-10-30
- 797GB n-gram 查表跑在 CPU 内存,1B 模型多榨 57% 算力 — PangWeiKoh · 2026-10-30
- 南大团队发布 VibeGame:对抗式智能体团队从提示词生成完整 2D 游戏 — nanjinguniv · 2026-10-30
- 腾讯发布 WeVisCut:单个智能体包揽剪辑室,token 用量仅为 Opus 1/33 — tencent · 2026-10-30