Fractal Generative Models 论文提出了一种用多叉树优化的视觉 Transformer 结构。 该 Transformer 将图像表达成多个尺度，浅层信息模糊但概括性强，深层信息准确但概括性弱。 每个元素最终仅与 O (logN) 个元素做自注意力，距离越远的元素，使用的信息越浅，访问的节点越. 生成式检索 (Generative Retrieval) 的核心思想是构建一个 Seq2Seq 生成模型，输入 query，直接输出 docID。 在训练阶段，生成模型将文档内容映射到语义唯一标志符 (docID)实现文档的索引;而在推断阶段，生成模型将查询映射到对应的文档（docID）以完成文档检索。 2）MarsCode IDE MarsCode 是豆包旗下的AI智能编程工具，它分为网页版和编程插件。提供以智能代码补全为代表的核心能力，能在编码过程中提供单行或整个函数的建议，同时支持在用户编码过程中提供代码解释、单测生成、问题修复、技术问答等辅助功能，提升编码效率与质量。 生成模型在业界的应用很广泛，我就谈谈少数几个我比较熟悉的吧。 首先，我们将生成模型分为有条件和无条件生成，即 conditional generation & unconditional generation. 无条件生成的意思就是，从数据的分布中采样一个新的数据，比如生成一个新的MNIST样本。有条件的意思是，根据给定的条件进行生成. Generative Flow Network (GFlowNet)是一类新的生成模型，可以用做分子设计。 该模型在2021年的NeurIPS上由Emmanuel Bengio，Yoshua Bengio等人提出首次提出： Flow Network based Generative Models for Non-Iterative Diverse Candidate Generation [1]，并在之后由原作者发布了 70页长文 [2] 来详细论述. GPT，Generative 自回归生成，其原理是什么？ GPT模型由三部分组成，Generative 自回归生成，它属于一种无监督的自然语言处理（NLP）模型，其原理，希望能够得到简单明确的说明。 显示全部 关注者 21
以下是论文《Mean Flows for One-step Generative Modeling》的核心贡献总结： 1. 提出「平均速度场」概念 关键创新：引入 平均速度 （Average Velocity）作为生成流的核心建模对象，替代传统流匹配（Flow Matching）中的 瞬时速度 （Instantaneous Velocity）。 斯坦福《Generative Agents》如何带来更智能的AI角色，为游戏和电影提供更真实的体验？ 生成式设计的定义都很模糊，可以百度到相关的材料，不过也大都含糊不清，在看了相关的学术论文，这是我目前所看到的关于生成式设计的概念描述最为精准全面的。 逐渐成形的生成设计 (Generative Design) 正在引发一种新的成器行为。 所谓生成式设计即建立在数字化制造条件下的、基于协议与规则.
OPEN
