NeurIPS 论文:扩散模型擅长插值,但几乎不会外推新技能
liuzhuang1234 · x · 2026-11-19
NeurIPS 2026 论文《Do Diffusion Models Learn to Generalize Basic Visual Skills?》探讨扩散模型能否泛化到训练分布之外的技能,还是只在训练样本间插值。
难点在于无法在现有文生图模型上做此测试——不知道训练数据里有什么。作者的做法是:完全控制数据,从零训练小型扩散模型,用合成图像让模型见到的每个数值都可控。
结论:扩散模型插值能力很好,但很少外推。
「研究」频道最新
- 「物理停滞 50 年?」PRL 新论文用摩擦加热解释冰为什么滑 — CatAstro_Piyush · 2026-11-19
- TMol 论文发布:把 Rosetta 全原子分子能量搬进 PyTorch 可微分层 — gottapatchemall · 2026-11-19
- ELLIS图宾根安全团队公开horizon-labs智能体轨迹数据集 — NielsRogge · 2026-11-19
- Noam Brown 确认「解纳维-斯托克斯」的是强数学模型,haider 推测为数学微调版 — haider1 · 2026-11-19
- UVA 学者 11 月 18 日在线讲 LLM 自动生成心理测量题目的新框架 — GolinoHudson · 2026-11-19
- 学者称同行评审体系已到临界点,会议规模越大越难维系 — LucaAmb · 2026-11-19