研究人员开发了一种新的方法，通过在球体而非欧几里得空间上操作来学习离散序列的生成模型。该方法利用 von Mises-Fisher 分布创建自然的噪声过程，并允许使用 ODE 和预测器-校正器采样技术。该方法在涉及数独和语言建模任务的实验中显示出显著的改进。 AI
影响 为生成模型引入了新颖的数学框架，有望提高离散序列任务的性能。
排序理由 详细介绍生成模型新方法的学术论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
研究人员提出球形流以改进分类数据采样
报道来源 [2]
-
Spherical Flows for Sampling Categorical Data
arXiv:2605.05629v1 Announce Type: cross Abstract: We study the problem of learning generative models for discrete sequences in a continuous embedding space. Whereas prior approaches typically operate in Euclidean space or on the probability simplex, we instead work on the sphere …
-
Spherical Flows for Sampling Categorical Data
We study the problem of learning generative models for discrete sequences in a continuous embedding space. Whereas prior approaches typically operate in Euclidean space or on the probability simplex, we instead work on the sphere $\mathbb S^{d-1}$. There the von Mises-Fisher (vMF…