محققان در مقالهای جذاب، مدلسازی مولد (Generative Modeling) را از دریچه جدیدی به نام «بازیهای میدانمیانگین» (Mean-Field Games) بازتعریف کردهاند. این رویکرد به ما کمک میکند تا مدلهای مختلفی مثل Score-based Models و Normalizing Flows را در قالب یک مسئله واحد ببینیم.
به همراه این تحقیق، کتابخانهی متنباز «MFGLab» در PyTorch نیز منتشر شده که با استفاده از آن میتوانید مدلهای مختلف را تنها با تعریف چند تابع هزینه پیادهسازی کنید. همچنین روش جدیدی به نام DI-Flow برای بهبود پوشش حالتها (Mode Coverage) معرفی شده که عملکرد بسیار بهتری نسبت به روشهای سنتی دارد.
این ابزار جدید، کار را برای توسعهدهندگان مدلهای مولد بسیار سادهتر و استانداردتر میکند. 🛠️✨
منبع: arXiv Machine Learning