Conditional Diffusion Sampling
本文介绍了条件扩散采样(CDS),这是一个新颖的框架,它将并行采样的全局探索能力与一种无需神经网络、具有闭式解的输运随机微分方程相结合,从而在降低密度评估成本的同时,高效地从非归一化的多模态分布中进行采样。
原作者已查阅我们通俗解释的论文。
本页收录的每篇论文,都有至少一位原作者阅读并参与了我们的通俗解释——或是确认其准确无误,或是提出修正意见并由我们随后采纳。作者的确认并不等同于对每一句话的正式背书,但说明该解释已经过论文作者的审视。
1227 篇论文已由作者审阅 · 1021–1030 / 1227
本文介绍了条件扩散采样(CDS),这是一个新颖的框架,它将并行采样的全局探索能力与一种无需神经网络、具有闭式解的输运随机微分方程相结合,从而在降低密度评估成本的同时,高效地从非归一化的多模态分布中进行采样。
该论文提出了 S3,一种用于多模态学习的结构框架,它将输入分解为专门的语义专家,并采用带稀疏化的选择性路由,以实现紧凑且高性能的表示,其表现优于现有基准。
本文证明,无需训练的大型语言模型(特别是采用少样本提示的 DeepSeek-R1-32B)能够有效对代码差异中的常规提交进行分类,为传统的监督机器学习方法提供了一种实用的替代方案。
本文提出结构化规范驱动工程(SSDE),这是一种利用结构化规范来克服自然语言提示的歧义性和质量局限性的范式,从而在仓库级别实现高质量、可验证的代码生成。
本论文提出了一种神经符号框架,该框架整合了法定本体、规则提取以及基于求解器的推理,以确保 CalFresh 的自动化资格认定决定与法律规则保持一致,从而实现可追溯且可质疑的程序问责。
本文通过刻画其不动点、将其影子与循环投影算法的影子相关联,并建立局部定量收敛的条件,分析了针对不相容非凸可行性问题的循环松弛Douglas-Rachford算法。
利用荧光探测波包干涉术对单个光捕获复合物进行研究,研究人员揭示出蛋白质环境中随时间变化的涨落通过改变电子激发态与低频振动模式之间的耦合,从而调控激子弛豫路径。
本文提出一个-系数/指标消去定理,该定理通过证明某函数的第阶矩可展开为一个级数,其中贡献的个系数的指标在群加法下求和为零,从而仅凭定义在有限阿贝尔群上的函数的傅里叶变换即可推导出该函数的第阶总体矩。
本文证明,通过避免非物理的高频伪影,一个简单的标准 U-Net 在 InSAR 相位解缠中优于复杂的基于注意力的模型,从而为业务监测系统提供了更高的精度、更快的速度以及对地球物理约束的更好遵循。
本文提出,非热产生机制,特别是涉及低再加热温度情景下晚期衰变的再加热子,通过将最终遗迹密度与富含奇异夸克物质的分支比及早期宇宙中的聚并概率相联系,能够自然地克服热性六夸克暗物质模型中的丰度不足问题。