diffusion
PulseAugur coverage of diffusion — every cluster mentioning diffusion across labs, papers, and developer communities, ranked by signal.
- 2026-05-26 funding Victor Lazarte and Kris Fredrickson are raising an $800 million AI-focused fund named Diffusion. 来源
6 天有情绪数据
-
新研究通过改进的时间一致性和效率来增强视频生成
研究人员正在开发新的方法来改进视频生成模型，重点关注效率和时间一致性。一种方法，Hamiltonian Generative Networks (HGNs)，旨在实现与帧率无关的连续时间预测，并提出了解决潜在幅度增长和截断误差累积等问题的修复方案。另一个重点领域是使用扩散模型统一视频生成和理解，Gen4U 等框架将生成表示重新用于视频分类和深度估计等任务。效率也通过诸如少步蒸馏和动态计算等技术得到解决，如 Dynamic-in-Few…
-
新的数据策略提升了VLA模型在机器人领域的空间泛化能力
研究人员开发了一种新的数据收集策略，以提高用于机器人操作的视觉-语言-动作（VLA）模型的空间泛化能力。研究认为，仅仅增加视点数量是不够的，模型常常会因为关注虚假关联而陷入捷径学习。通过采用一种结合连续摄像机运动和多样化静态视点的混合方法，所提出的方法显著减少了这些虚假关联，从而提高了性能和训练稳定性。该策略已被证明有利于各种VLA模型架构，使其能够更好地泛化到未见的摄像机姿态和物体配置。
-
新的arXiv论文探讨流匹配和最优传输在生成模型中的应用
两篇新的arXiv论文深入探讨了先进的生成模型技术。第一篇论文“Notes on generative modeling: flow matching, diffusion, optimal transport and Schrödinger bridge”由Titouan Vayer撰写，探讨了最优传输与Schrödinger bridge和流匹配等方法之间的数学联系。第二篇论文“Robustness and Structure P…
-
AI 模型解析：LLM、Transformer、Diffusion 等
本文解释了各种类型的 AI 模型，区分了大型语言模型 (LLM) 的密集模型和专家混合 (MoE) 模型。文章详细介绍了 Transformer 架构，该架构因其自注意力机制而成为现代 LLM 的基础。文章还涵盖了较旧的技术，如用于图像处理的 RNN/LSTM、卷积神经网络 (CNN)，以及用于生成图像和其他媒体的扩散模型。最后，文章介绍了多模态模型，这类模型可以处理文本和图像等多种类型的数据。
-
NeuroSonic框架从脑电图信号重建语音
研究人员开发了NeuroSonic，一个用于从脑电图（EEG）信号重建语音的新框架。该方法利用条件流匹配来学习一个确定性的速度场，该速度场在EEG数据的指导下将噪声声学状态转换为清晰的语音。NeuroSonic通过将EEG和音频嵌入共享的token空间并采用时间条件Transformer来解决EEG信号微弱和多变性的挑战。在CineBrain和EAV基准上的评估表明，NeuroSonic通过提高分布真实性、频谱保真度和感知质量，在伪影…
-
Ghost Attractor Networks 为高效顺序生成和稳定的潜在结构提供了可能
研究人员推出了一种新颖的动态解码器 Ghost Attractor Networks (GANs)，旨在提高大型模型中顺序生成的效率和控制能力。GANs 利用具有盆地吸引子结构的学习势能，实现闭环控制，例如相位条件动作生成和跨步潜在信息传递。经验表明，与 Diffusion Transformer 相比，GAN 模型在参数量和延迟方面显著减少，同时在机器人动作解码任务和闭环基准测试中实现了相当或更优的准确性。
-
流匹配模型学习速度更快，泛化能力优于扩散模型
一位用户训练了两个生成图像模型，一个使用扩散模型，另一个使用流匹配模型，采用相同的架构和数据集来比较它们的性能。流匹配模型在训练初期表现出更快的学习速度，在训练过程的早期就能生成可识别的图像。此外，尽管使用了相同的文本编码器，流匹配模型在全局结构、提示遵循能力和零样本生成能力方面均优于扩散模型。
-
新研究探索检测人工智能生成的时间序列数据
研究人员探索了检测扩散模型生成的时间序列数据的方法，特别是在未知具体生成器的情况下。一种需要访问生成器的白盒检测方法在分布内场景中被证明是有效的，但在生成器偏移方面遇到了困难。相比之下，一个简单的黑盒分类器表现明显更好，平均F1分数达到79.2，比白盒方法高出22.1%。这表明扩散生成时间序列的检测与其在图像领域的对应物有所不同。
-
前 Benchmark 投资人目标为新 AI 基金 Diffusion 募集 8 亿美元
前 Benchmark 投资人 Victor Lazarte 和 Kris Fredrickson 正在推出一家名为 Diffusion 的新 AI 专注于风险投资基金。他们计划募集约 8 亿美元，这将是今年规模最大的首次基金募集之一。两位投资人在离开 Benchmark 后都曾募集过规模较小的个人基金，他们支持 Mercor 和 Harvey 等成功 AI 初创公司的综合往绩预计将吸引投资者。
-
Kan Extension Transformers 统一了注意力、扩散和自条件化
研究人员推出了一种名为 Kan Extension Transformers (KETs) 的新框架，该框架通过范畴论的视角统一了各种 Transformer 实现。KETs 将 Transformer 层视为加权的结构化扩展算子，涵盖了标准注意力、Geometric Transformers 和高阶单纯形情况。该框架还连接到扩散式补全，并通过作用于分离的预测载体来引入自条件机制，从而在不泄露未来 token 的情况下揭示非因果结构。…
-
新型扩散模型增强多智能体运动预测
研究人员开发了一个新的基于扩散的框架，以改进多智能体运动预测。该方法利用历史轨迹的上下文信息来增强预测运动的多样性和表现力。为了确保交互式智能体之间的一致性，基于能量的公式在保持个体轨迹合理性的同时，对联合轨迹分布进行优化。在基准数据集上的实验表明，该方法在边际和联合指标上均优于现有方法。
-
新的HITL-D框架将人类控制与AI融合，用于机器人操作
研究人员开发了HITL-D，一个结合人类输入和基于扩散的AI策略用于机器人操作的新共享控制框架。该系统旨在通过提供末端执行器方向的自主更新，减少对操纵杆的广泛控制需求，并降低心智负荷，从而提高用户在复杂任务中的表现。一项包含12名参与者的用户研究表明，与传统遥操作相比，HITL-D将任务完成时间缩短了40%，感知工作量降低了37%。
-
新工具通过优化优化器状态来减少AI训练中的GPU内存使用量
研究人员开发了一种预算感知优化器配置器（BAOC），以解决大规模模型训练过程中显著的GPU内存消耗问题。BAOC根据梯度行为以及指定的内存和时间预算，智能地为不同的网络块分配不同的优化器配置。该方法旨在在不影响训练质量的情况下减少内存使用量，并在视觉、语言和扩散模型上的实验中得到了证明。
-
新的流匹配模型为生成任务提供高级控制
研究人员开发了两种新方法来增强流匹配生成模型。一种方法 HardFlow 将硬约束采样重新构建为轨迹优化问题，允许在生成过程结束时精确满足约束，并提高机器人和图像编辑等各种领域的样本质量。另一种方法 Branching Flows 引入了一个框架，其中元素通过二叉树森林演化，能够进行随机分支和删除以控制序列长度，这对于语言模型响应或蛋白质设计等任务特别有用。