PulseAugur
中
实时 11:00:32
实体 Generative Marginalization Models

Generative Marginalization Models

PulseAugur coverage of Generative Marginalization Models — every cluster mentioning Generative Marginalization Models across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
1
90 天内 1
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 1
层级分布 · 90 天
主题
情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条
  1. TOOL · CL_247776 ·

    Particle GFlowNets 统一生成模型，加速训练

    研究人员推出了一种新方法 Particle GFlowNets，它将生成边际化模型 (MaMs) 与生成流网络 (GFlowNets) 统一起来。这种新方法通过实现更快的后验评估并将其采样策略扩展到非自回归生成过程来增强 MaMs。通过纳入源自 Gelman-Rubin 统计量用于全状态 पुनर्जीवन (rejuvenation) 的标准，Particle GFlowNets 显著加速了在大型组合空间中的训练收敛，实验证明了这一点。