🤖 系统
12-01 14:49
基于流映射的扩散模型测试时缩放 / Test-time scaling of diffusions with flow maps
1️⃣ 一句话总结
这篇论文提出了一种名为FMTT的新方法,通过直接利用流映射而非奖励梯度,在扩散模型生成过程中更有效地引导样本向用户指定的奖励方向优化,从而实现了比现有方法更好的图像编辑和控制效果。
请先 登录 后再提交论文
基于流映射的扩散模型测试时缩放 / Test-time scaling of diffusions with flow maps
这篇论文提出了一种名为FMTT的新方法,通过直接利用流映射而非奖励梯度,在扩散模型生成过程中更有效地引导样本向用户指定的奖励方向优化,从而实现了比现有方法更好的图像编辑和控制效果。
测试时频谱感知的潜在空间导向:实现视觉语言模型的零样本泛化 / Test-Time Spectrum-Aware Latent Steering for Zero-Shot Generalization in Vision-Language Models
这项研究提出了一种无需修改核心模型或反向传播的轻量级方法,通过在测试时分析文本特征的频谱模式并微调少量参数来提升视觉语言模型在未知数据上的表现,同时大幅提高了推理速度和内存效率。
测试时自改进的LLM智能体 / Self-Improving LLM Agents at Test-Time
这篇论文提出了一种让语言模型在测试时自我优化的方法,通过识别自身薄弱环节、自动生成类似训练样本并即时学习,仅用极少量数据就能显著提升模型性能,为构建更智能的自进化AI系统提供了新思路。