研究人员推出了一种新颖的框架——Variable Length Diffuse Everything (VL-DE),该框架专为跨不同状态空间的可变长度、多模态数据生成建模而设计。与现有方法通常依赖填充或复杂的显式长度建模不同,VL-DE采用基于插入的机制,并以理论框架为基础,更通用地处理可变长度。这种方法简化了训练目标,并通过考虑时间依赖性实现了更高阶的采样器。在布局和分子生成方面的实验表明了VL-DE的有效性。 AI
影响 引入了一种更通用的多模态生成建模方法,可能影响需要可变长度数据的领域,如分子设计和布局生成。
排序理由 该集群描述了在arXiv上的一篇学术论文中提出的一种新的生成建模框架。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →