#生成模型
共 15 篇相关文章
JiT去噪防御：无线电信号分类抗对抗攻击新突破
本文介绍一种基于JiT去噪的无线电信号自动调制分类对抗防御方法，在RML2018.01A数据集上相比PGD对抗训练，鲁棒准确率相对提升至少20.58%，未知攻击下提升至少39.72%，且干净样本准确率提升10.20%。
OrderGPT：生成顺序也能学习，AI建模新突破
OrderGPT提出将生成顺序作为可学习建模选择，介于自回归与掩码扩散之间。无需规范顺序监督，从注意力模式学习任务级顺序，在语言、人体姿态和表格数据上验证有效性。
α稳定分数生成模型：从全局收敛到尾部收敛的理论突破
α稳定Lévy过程驱动的分数生成模型非渐近收敛分析：全局Wasserstein收敛与布朗动力学无本质差异，但尾部行为存在尖锐分离，尾部指数匹配α=ν是捕捉极端事件的关键机制。
Annealed Lévy Diffusion：用高斯代理实现重尾扩散新范式
Annealed Lévy Diffusion（ALD）通过退火稳定性指数融合重尾探索与高斯精修，以边际优先分解实现标准高斯噪声预测训练，在2D基准、MNIST、CelebA64等任务上验证生成质量。
Bi-FORK：高维分岔系统的生成式建模新框架
Bi-FORK 提出面向高维分岔系统的生成式建模框架，通过潜空间流匹配与排斥引导采样，在单次推理中恢复多个解分支，可处理高达26万点的离散化问题，为物理仿真中的一对多映射提供新思路。
Prompteina：用自然语言设计蛋白质结构的突破
Prompteina 是首个支持自然语言条件的全原子蛋白质结构生成模型，类比文生图实现「文生蛋白」。基于180万结构、5000万+文本的数据集训练，在多项指标超越基线，并实验验证出针对GM2A的纳摩尔级结合蛋白。
自回归扩散模型能否生成金融市场数据？
探讨能否用自回归扩散模型生成逼真的金融市场数据，分析合成市场数据的应用价值、金融时间序列的统计难点，以及扩散模型在量化金融中的潜力与挑战。
流匹配中的速度缩放：为何有效的真正原因
最新 arXiv 研究重新解释了流匹配中速度缩放技巧的有效原因：真正问题并非 MSE 导致速度幅值不足，而是群体时间滞后。通过测量时间滞后选择增益，在 ImageNet-256 上将 FID 从 28.0 降至 12.2。
Normalizing Trajectory Models：让少步生成重拾精确似然框架
Normalizing Trajectory Models（NTM）将扩散模型反向过程的每一步建模为条件归一化流，实现少步生成下的精确似然训练，兼顾速度与概率框架完整性，突破蒸馏与一致性训练的局限。
HyperNSDE：用神经随机微分方程生成个性化临床数据
HyperNSDE 是一种基于神经随机微分方程（Neural SDE）与超网络的连续时间生成模型，可联合生成静态协变量、纵向轨迹与观测时刻的个性化临床数据，有效缓解医疗AI的数据稀缺与隐私难题。
流匹配模型为何能摆脱维度灾难：低维数据的泛化理论解析
最新 arXiv 论文从理论上证明流匹配与扩散模型能自适应数据的内在低维结构，缓解维度灾难。本文解析其 Wasserstein-p 误差界、内在维度收敛率及对生成模型泛化理论的意义。
离散扩散模型的置信度困境：为何并行生成会偏离真实分布
《Limits of Confidence in Diffusion》研究揭示离散扩散模型并行生成的根本限制：只有条件独立的token位置才能同步写入，而像素、音素、词语等真实数据普遍存在依赖关系，导致乘积分布无法匹配真实训练分布。
一次性生成流：直线流的存在性与拓扑障碍
深度解读一次性生成流研究：如何构造诱导直线流的随机过程以降低采样成本，高斯情形下的存在性结果，以及不连通与ε-不连通多模态分布带来的拓扑与定量分析障碍。
共轭矩量测度：用单一凸势函数统一采样与映射的生成模型新范式
共轭矩量测度是一种生成模型新方法，用单一凸势函数 W 同时刻画采样与传输过程。本文解析其理论基础、与最优传输的联系、为何优于原始矩量测度分解，以及基于凸神经网络的估计算法与实验发现。
SimpleDesign：蛋白质序列与结构联合设计的新范式
SimpleDesign 是一种用于蛋白质序列与结构联合设计的新型生成模型，用简洁的联合建模取代传统多阶段自编码器训练范式，对药物发现与蛋白质工程具有重要意义。