PulseAugur
实时 10:33:01
实体 Reverse KL-Divergence Training of Prior Networks: Improved Uncertainty and Adversarial Robustness

Reverse KL-Divergence Training of Prior Networks: Improved Uncertainty and Adversarial Robustness

PulseAugur coverage of Reverse KL-Divergence Training of Prior Networks: Improved Uncertainty and Adversarial Robustness — every cluster mentioning Reverse KL-Divergence Training of Prior Networks: Improved Uncertainty and Adversarial Robustness across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
0
90 天内 1
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 1
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 1 条
  1. RESEARCH · CL_128367 ·

    新研究探讨扩散模型、偏差缓解和强化学习应用 · 跟踪 10 个来源

    近期研究探讨了扩散模型的进展,重点关注理论基础、优化技术和偏差缓解。一篇论文介绍了贝叶斯信息受限扩散(BIRD)模型,解释了扩散模型如何通过限制信息来泛化,并确定了记忆与泛化之间的相界。另一项工作 D2PO 使用动态偏好学习优化扩散采样器,提高了感知质量,性能优于基于回归的方法。此外,一种名为 CO-ALIGN 的新方法使用概念图对齐来减少文本到图像模型中的偏差,同时保持生成完整性。其他研究还探讨了扩散采样中的数值稳定性和强化学习中扩…