محققان در مقاله جدید خود به سراغ ارتقای مدلهای مبتنی بر «پل شرودینگر» (Schrödinger bridge) رفتهاند که نقش مهمی در مدلسازیهای مولد و یادگیری دینامیک بهینه دارند.
مدل جدید معرفی شده با نام «TSBM»، با بهرهگیری از پتانسیلهای وابسته به زمان و تعمیم روشهای قبلی (مانند DSBM)، توانسته است دقت و عملکرد مدلهای انتشار (Diffusion Models) را در بازسازی توزیعهای داده بهطور چشمگیری بهبود بخشد. این روش به ویژه در کاهش واریانس و تطبیق دقیقتر توزیعهای مرزی بسیار کارآمد است.
اگر در حوزه مدلهای مولد (Generative AI) فعالیت میکنید، این رویکرد جدید که بر پایه بهینهسازی مسیر حرکت ذرات در فضای احتمالات است، میتواند دریچهای به سمت مدلهای دقیقتر و پایدارتر باز کند.
های_مولد
منبع: arXiv Machine Learning