全部
全部

选一篇,慢慢读

从左侧挑一篇,正文会在这里排成书页。

文章与公开阅读资产

为流模型学习各向异性预测目标

Flow-based generative models are trained on a hand-chosen prediction target, such as the velocity, the noise, or the clean data. This choice strongly affects training and sample quality. We introduce Anisotropic Flow Models (AnisoFlow), which replaces a fixed prediction target with a fully learnable one. AnisoFlow lear

阅读原文 · Rayhan Zirvi, Hansheng Chen, Gordon Wetzstein, Leonidas Guibas

乔木风格重写

向阳乔木 · opencode-go/deepseek-v4.1-flash

这篇论文盯上了一个常被默认的选择:Flow 模型训练时,预测目标到底该选速度、噪声还是干净数据。 这个选择通常靠人拍板,但它会直接影响训练稳定性和生成质量。AnisoFlow 的想法是把这个选择交给模型自己学,而且不碰网络结构、损失函数和采样器。 值得看的地方在于,它用很小的改动换来了可测量的收益,还给出了一点理论解释。 这篇论文想解决什么 Flow 类生成...

  • JK下一篇 / 上一篇
  • S收藏
  • A问 AI
  • I沉浸阅读
  • Esc退出

分享海报

正在生成海报…

主题

字体

开源字体第一次使用时联网下载,只取海报上用到的字。