新的kCGM方法将生成模型校准到目标特征分布

研究人员推出了一种名为核校准生成模型（kCGM）的新颖方法，旨在使生成模型与特定的特征分布对齐。该技术使用最大均值差异（MMD）来调整模型，确保生成的样本在不过拟合的情况下匹配目标特征。kCGM已成功地将各种模型类型（包括自回归模型、扩散模型和离散扩散模型）应用于药物发现、蛋白质生成和DNA合成等任务，仅使用特征级监督。 AI

影响 能够更精确地控制生成模型的输出，以用于药物发现和蛋白质工程等专业应用。

排序理由 该集群包含一篇研究论文，详细介绍了一种校准生成模型的新方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• alphaXiv
• arXiv
• Calibrating Generative Models to Feature Distributions with MMD Finetuning
• CatalyzeX
• DagsHub
• Gotit.pub
• Hugging Face
• IArxiv
• kCGM
• Nathaniel Diamant
• ScienceCast

• 论文
• 模型发布

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →