دنیای تولید محتوا و مدلهای مولد (Generative Models) با معرفی روش جدید «Score-Regularized Joint Sampling» وارد فاز دقیقتری شده است.
یکی از چالشهای اصلی مدلهای Flow Matching، نوسانات زیاد در نتایج و دشواری در تخمین دقیق احتمالات هنگام نمونهبرداری محدود است. حالا محققان فریمورکی معرفی کردهاند که با استفاده از «رگولاریزاسیون مبتنی بر امتیاز» (Score-based regularization)، نهتنها تنوع نمونهها را حفظ میکند، بلکه دقت تخمینها را بهطور چشمگیری افزایش میدهد. این یعنی هوش مصنوعی حالا میتواند با کیفیتتر و قابلاعتمادتر از قبل، خروجیهای دقیق تولید کند.
این دستاورد یک گام مهم برای تحلیلهای علمی و آماری دقیقتر در مدلهای مبتنی بر جریان است.
منبع: arXiv AI