跳到正文
热点事件持续更新

扩散模型泛化新技能能力受质疑

1 篇报道1 个报道来源1 小时前更新

先了解这件事

AI 综述

NeurIPS 2026论文发现,扩散模型在训练样本之间具有较强插值能力,却很少能把已学视觉技能外推到训练分布之外的新技能。 研究使用完全可控的合成数据、从零训练小型扩散模型,以排除现有文生图模型训练数据不透明带来的干扰,结论指向模型更擅长对已知分布进行组合和过渡,而非自主扩展基本视觉技能。

AI 根据报道生成 · 45 分钟前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月19日
  1. AGI Hunt
    NeurIPS 论文:扩散模型擅长插值,但几乎不会外推新技能

    NeurIPS 2026 论文《Do Diffusion Models Learn to Generalize Basic Visual Skills?》发现,扩散模型在训练样本之间表现出较强的插值能力,却很少外推新技能。研究通过完全控制合成数据、从零训练小型扩散模型,使每个数值都可控,从而绕过现有文生图模型训练数据不透明的问题。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。