T
traeai
登录

概念

SDE

别名:Stochastic Differential Equation

用于批量大小优化的随机微分方程方法

已跟踪 2 条高相关材料

TraeAI 观察

最近变化

2026-10-14 · 三模态MDM在3B参数规模下实现6.4T tokens训练,文本/图像/音频生成均表现优异

为什么值得关注

SDE 被反复提及时,通常意味着它正在影响产品路线、开发者工作流或 AI 产业判断。这个页面把分散材料合并成一个可持续更新的观察入口。

Apple ResearchDiffusion ModelsMicrosoft ResearchMultimodal AINeurIPS

相关材料

已收录 2 条与 SDE 相关的内容,按评分排序。

Apple Machine Learning Research 图标

The Design Space of Tri-Modal Masked Diffusion Models

Apple Machine Learning Research495 字 (约 2 分钟)
85

Apple提出三模态掩码扩散模型,实现多模态生成与优化,提供大规模实验结果。

入选理由:三模态MDM在3B参数规模下实现6.4T tokens训练,文本/图像/音频生成均表现优异

精选文章#Diffusion Models#Multimodal AI#NeurIPS#Apple Research英文
Probabilistic Inference for Controlling Diffusion Models

Probabilistic Inference for Controlling Diffusion Models

Microsoft Research11040 字 (约 45 分钟)
85

微软研究院提出通过概率推理控制扩散模型的新方法,结合SDE和score-based技术实现对生成分布的精确控制,适用于图像生成与强化学习场景。

入选理由:控制扩散模型需结合前向SDE与反向score-based方法

精选视频#扩散模型#概率推理#生成模型#Microsoft Research中英混合

跨材料问答 · SDE

回答基于:SDE 相关 2 条材料
    0 / 500

    AI 可能会生成不准确的信息,请核实重要内容