LDLM 让扩散模型参与训练自身潜空间，登 NeurIPS 2026
kastnerkyle · x · 2026-11-08
Viacheslav Meshcherin 等提出 LDLM,针对文本 latent diffusion 的常见做法——先冻结编码器再做扩散训练——进行改进,让扩散模型的梯度能反向作用于编码器,即扩散模型可以参与塑造自己的潜空间。论文入选 NeurIPS 2026,代码与 checkpoint 已开源。作者还将到 NeurIPS Paris 现场交流 latent diffusion 与模型间 latent 通信。
「研究」频道最新
- YC Paper Club 深入 AI for Biology：从读数据到设计生命系统 — ycombinator · 2026-11-08
- 实测：花哨推荐系统一半时间输给「热门榜」基线 — dima806_dima · 2026-11-08
- LeCun 等人论辩 JEPA:基础研究与下游工程不可混淆 — DrMorganLevine · 2026-11-08
- NYT：OpenAI 进展动摇计算机科学核心假设 P vs NP — _akpiper · 2026-11-08
- 纯汇编跑通 Qwen3.5-0.8B：单 CPU 线程 6.51 tok/s 胜过 PyTorch — suayptalha · 2026-11-08
- 研究者用 GPT-5.2 Pro 解决 COLT 2022 开放问题并形式化证明 — kfountou · 2026-11-08