热点事件持续更新

arXiv：冻结扩散模型潜变量可学可识别世界模型

1 篇报道1 个报道来源3 小时前更新

先了解这件事

AI 综述

研究者 Ruchi Sandilya、Conor Liston 与 Logan Grosenick 在 arXiv 提交的论文提出 Contrastive Diffusion Alignment（ConDA）方法，称可在冻结的预训练扩散模型潜变量之上仅学习轻量对齐映射，获得可识别的潜在动力学坐标，无需重新训练生成主干。据其提交的摘要，该方法把辅助变量非线性独立成分分析（ICA）的可识别性保证迁移到 ConDA；这是作者的说法，尚未经独立验证。

AI 根据报道生成 · 2 小时前更新

报道时间线

沿着报道，了解事件的不同侧面。

10月7日

12:00
arXiv：cs.LG
冻结扩散模型的可识别世界模型：Contrastive Diffusion Alignment 方法
研究者提出 Contrastive Diffusion Alignment（ConDA），在冻结的预训练扩散模型潜变量之上仅学习轻量对齐映射，即可获得可识别的潜在动力学坐标，无需重训生成主干。

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。