热点事件持续更新
扩散模型端到端学习引导调度LEEGS提出
1 篇报道1 个报道来源13 小时前更新
先了解这件事
AI 综述
2026年10月3日，arXiv cs.LG分类发布研究，提出扩散模型的端到端学习引导调度（LEEGS）。该方法在小样本集上用随机梯度下降训练时间相关调度，并通过梯度近似将训练时间缩短至原来的1/4。在图像修复、噪声图像逆问题、Face-ID引导生成及PDE正逆问题等任务上，LEEGS在相同预算（50或100 NFEs）下优于基线，或以仅10%的步数达到恒定引导的效果。目前报道仅此一篇，事件仍处早期，后续进展有待观察。
AI 根据报道生成 · 1 小时前更新
最新进展10月3日 12:00
研究提出LEEGS，训练时间缩至1/4，多任务优于基线。报道时间线
沿着报道，了解事件的不同侧面。
10月3日
- arXiv：cs.LG（机器学习，全量分类）扩散模型的端到端学习引导调度（LEEGS）
研究提出学习式端到端引导调度（LEEGS），通过在小样本集上用随机梯度下降训练时间相关调度，并用梯度近似将训练时间缩短至原来的1/4。在图像修复、噪声图像逆问题、Face-ID引导生成及PDE正逆问题等任务上，LEEGS在相同预算（50或100 NFEs）下优于基线，或以仅10%的步数达到恒定引导的效果。
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。