PulseAugur
中
实时 07:47:59
English(EN) Paris: A Decentralized Trained Open-Weight Diffusion Model

Paris 扩散模型通过去中心化计算训练

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员推出 Paris，这是一种新颖的开放权重扩散模型，完全通过去中心化计算进行预训练，证明了高质量的文本到图像生成无需中心化基础设施即可实现。该模型采用分布式扩散训练框架，使用八个专家扩散模型在分区数据上独立训练，在没有同步梯度更新的情况下近似完整分布。这种方法消除了对专用互连和专用 GPU 集群的需求，能够在异构硬件上进行训练，并以显著减少的数据和计算量实现与中心协调基线相当的生成质量。 AI

影响 使得在分布式、异构硬件上训练大型扩散模型成为可能，从而可能降低高级人工智能研究的门槛。

排序理由 该条目是一篇研究论文，详细介绍了一种新模型和训练方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

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

Paris 扩散模型通过去中心化计算训练

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Zhiying Jiang, Raihan Seraj, Marcos Villagra, Bidhan Roy ·

    Paris：一种去中心化训练的开放权重扩散模型

    arXiv:2510.03434v3 Announce Type: replace-cross Abstract: We present Paris, the first publicly released diffusion model pre-trained entirely through decentralized computation. Paris demonstrates that high-quality text-to-image generation can be achieved without centrally coordina…

相关实体

相关话题