LDLM开源潜空间联合训练方法

Viacheslav Meshcherin 等提出并开源 LDLM，使文本潜空间扩散模型的训练不再冻结编码器，而是让扩散模型的梯度反向作用于编码器，扩散模型由此可参与塑造自身潜空间；相关代码与 checkpoint 已公开，论文入选 NeurIPS 2026。 LDLM 针对先固定编码器、再训练扩散模型的常见做法作出调整，旨在改善潜空间与扩散过程的协同学习。论文作者计划在 NeurIPS Paris 交流潜空间扩散及模型间潜变量通信。

AI 根据报道生成 · 52 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。