无时间步扩散模型实现任意深度迭代推理
热点事件持续更新
无时间步扩散模型实现任意深度迭代推理
1 篇报道1 个报道来源6 小时前更新
先了解这件事
AI 综述
研究者 Mariia Drozdova 等人发布论文《Diffusion as a Training Curriculum for Timestep-Free Iterative Reasoning》，提出一种无时间步的迭代推理方法：给扩散去噪器加入持久隐藏状态并移除时间步条件，使模型只保留一个可运行到任意深度的共享更新步骤，即 anytime 求解器。 据论文，该方法在 Sudoku-Extreme 上达到 99.90% 的精确求解率，在 Maze-Unique 上达到 98.93%。
AI 根据报道生成 · 2 小时前更新
最新进展10月15日 12:00
扩散模型作为无时间步迭代推理的训练课程报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv cs.LG扩散模型作为无时间步迭代推理的训练课程
研究者为扩散去噪器加入持久隐藏状态并移除时间步条件，得到可任意深度运行的 anytime 求解器，在 Sudoku-Extreme 上达到 99.90% 精确求解率，在 Maze-Unique 上达到 98.93%。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。