跳到主要内容
检索

# 像素空间生成模型

1 篇关联报道

订阅更新
  1. arXiv

    像素本身就是推理媒介:纯像素生成模型从零训练,也能像语言模型一样逐步算题

    现有图像、视频与统一多模态生成器在画布上几乎答不对写在像素里的题,只有提示改写器或文本模块先给出答案时才会写对。为判断问题出在像素还是训练方式,研究者从零训练了一族不含任何文本通路的纯像素流匹配生成模型,参数从7.6M到458M,只以像素为输入输出,在画布上读题、写中间步骤并作答。这些模型表现出大语言模型的三个标志性行为:每步误差随规模按幂律下降,逐帧写中间步骤明显优于单帧直接作答,强化学习后训练进一步提升推理。

已读完全部报道