RefineMix：稀缺数据下训练离散扩散模型
热点事件持续更新
RefineMix：稀缺数据下训练离散扩散模型
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
Julian Kleutgens 等作者提出 RefineMix 框架，用于在数据严重稀缺时训练离散扩散模型。该框架在选择性的扩散时间步引入分布外数据，据作者称可提升泛化能力且不使采样分布产生偏差。 在蛋白质序列生成任务中，仅用 197 个域内样本微调，生成同时满足新颖、可折叠且属于同一家族的蛋白质比例，相比标准微调接近翻倍。
AI 根据报道生成 · 44 分钟前更新
最新进展10月9日 12:00
RefineMix：在数据稀缺时用分布外数据训练离散扩散模型报道时间线
沿着报道，了解事件的不同侧面。
10月9日
- arXiv：cs.LGRefineMix：在数据稀缺时用分布外数据训练离散扩散模型
RefineMix 框架通过在选择性的扩散时间步引入分布外数据来训练离散扩散模型，在严重数据稀缺条件下提升泛化能力且不使采样分布产生偏差。在蛋白质序列生成任务中，仅用 197 个域内样本微调，生成的蛋白质同时满足新颖、可折叠且属于同一家族的比例相比标准微调接近翻倍。
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。