一篇新研究论文《灾难性组合生成：为什么标准扩散模型无法外推》（发表在arXiv上）认为，标准的条件扩散模型在组合生成任务中存在困难。作者提出，这些模型通常无法有效地从目标分布中生成样本，而目标分布是源分布的组合，特别是当目标分布相对于源分布是分布外（out-of-distribution）时。虽然像Feynman-Kac校正这样的方法可以减少近似误差，但该论文强调分数估计误差具有更不利的影响，这表明需要替代方法。 AI
影响 突出了扩散模型在复杂生成任务中的基本局限性，可能指导未来的研究方向。
排序理由 该集群包含一篇详细说明现有AI模型局限性的研究论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2606.23920v1 Announce Type: cross Abstract: The task of compositional generation involves using a conditional generative model, trained only on a subset of the possible conditions, to produce samples from compositionally-defined target distributions such as a geometric comb…
The task of compositional generation involves using a conditional generative model, trained only on a subset of the possible conditions, to produce samples from compositionally-defined target distributions such as a geometric combination of the source distributions. In this work,…