研究者提出免训练动态CFG策略
热点事件持续更新
研究者提出免训练动态CFG策略
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
研究者将扩散模型的采样轨迹建模为时间依赖的信息瓶颈，发现条件信息的有效性在采样过程中并不均匀，而是在满足 Fisher 信息平衡条件的临界阶段后显著增强。 基于这一发现，Jiayang Gao 等作者提出一种免训练的动态 CFG 推理策略：通过条件与无条件 score 统计构建随机过程，在估计的引导增益超过阈值时激活 guidance，并将区间式引导作为极限特例纳入统一框架。该工作已被 NeurIPS 2026 接收。
AI 根据报道生成 · 2 小时前更新
最新进展10月12日 12:00
通过信息瓶颈打开 Classifier-Free Guidance 的黑盒报道时间线
沿着报道，了解事件的不同侧面。
10月12日
- arXiv cs.LG通过信息瓶颈打开 Classifier-Free Guidance 的黑盒
研究者将扩散模型的采样轨迹建模为时间依赖的信息瓶颈，发现条件信息的有效性在采样过程中并不均匀，而是在满足 Fisher 信息平衡条件的临界阶段后显著增强。基于此提出一种免训练的动态 CFG 策略，通过条件与无条件 score 统计构建随机过程，在估计的引导增益超过阈值时激活 guidance，并将区间式引导作为极限特例纳入统一框架。该工作已被 NeurIPS 2026 接收。
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。