热点事件持续更新

APEX：极端压缩下的异步前缀去噪

1 篇报道1 个报道来源12 小时前更新

先了解这件事

AI 综述

David Dinkevich 等作者提出 APEX（Asynchronous Prefix denoising for EXtreme compression），将分层潜在空间与按通道组错开的异步去噪结合，称其能在不增加 token 的前提下缓解极端潜在压缩带来的重建-生成矛盾。在 ImageNet-512 上，APEX 在 64x 和 128x 压缩下、所有评测通道数均优于现有方法；在等训练与引导采样算力下，于各预算档位超过 256-token 模型，且低算力时增益更大。代码已开源。上述结果为论文报告，尚待独立验证。

AI 根据报道生成 · 2 小时前更新

最新进展10月12日 12:00

APEX：面向极端压缩的异步前缀去噪

报道时间线

沿着报道，了解事件的不同侧面。

10月12日

12:00
arXiv：cs.LG
APEX：面向极端压缩的异步前缀去噪
APEX 是一种面向极端潜在压缩的异步前缀去噪方法，通过分层潜在空间与按通道组错开局部时间的去噪，在不增加 token 的前提下缓解压缩带来的重建-生成矛盾。在 ImageNet-512 上，APEX 在 64x 和 128x 压缩下所有评测通道数均优于现有方法，并在等训练与采样算力下于各预算档位超过 256-token 模型，低算力时增益更大。代码已开源。

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。