「扩散模型」也能攻克算法难题？

☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜

图片

一位博士研究人员做了一个有趣的实验，用「离散扩散」寻找用图像表示的迷宫中的最短路径。

图片

作者介绍，每个迷宫都是通过反复添加水平和垂直墙生成的。

其中，起始点和目标点随机选取。

从起点到目标点的最短路径中，随机采样一条作为解决方案的路径。最短路径是通过精确算法算出来的。

图片

然后使用离散扩散模型和U-Net。

将起点和目标的迷宫被编码在一个通道中，而模型在另一个通道中用解来消除迷宫的噪声。

图片

再难一点的迷宫，也能做的很好。

图片

为了估算去噪步骤 p(x_{t-1} | x_t)，算法会估算 p(x_0 | x_t)。在这个过程中可视化这一估计值（底行），显示「当前假设」，最终聚焦在结果上。

图片

英伟达高级科学家Jim Fan表示，这是一个有趣的实验，扩散模型可以「渲染」算法。它可以仅从像素实现迷宫遍历，甚至使用了比Transforme弱得多的U-Net。

我一直认为扩散模型是渲染器，而Transformer是推理引擎。看起来，渲染器本身也可以编码非常复杂的顺序算法。

图片

这个实验简直惊呆了网友，「扩散模型还能做什么？！」

图片

还有人表示，一旦有人在足够好的数据集上训练扩散Transformer，AGI就解决了。

图片

不过这项研究还未正式发布，作者表示稍后更新在arxiv上。

值得一提的是，这个实验中，他们采用了谷歌大脑团队曾在2025年提出的离散扩散模型。

图片

就在最近，这项研究重新更新了一版。

离散扩散模型

「生成模型」是机器学习中的核心问题。

它既可用于衡量我们捕获自然数据集统计数据的能力，也可用于需要生成图像、文本和语音等高维数据的下游应用程序。

GAN、VAE、大型自回归神经网络模型、归一化流等方法，在样本质量、采样速度、对数似然，以及训练稳定性方面都各有千秋。

最近，「扩散模型」已成为图像、音频生成，最受欢迎的替代方案。

它可以用更少的推理步骤，实现了与GAN相当的样本质量，以及与自回归模型相当的对数似然。

图片

论文地址：https://www.php.cn/link/46994a3cd8d943d03b44b8fc9792d435

虽然已有人提出了离散和连续状态空间的扩散模型，但最近的研究主要集中在，连续状态空间中运行的高斯扩散过程（如实值图像和波形数据）。

离散状态空间的扩散模型，已在文本和图像分割领域进行了探索，但是还没有在文本和图像的大规模生成任务中，证明是一个有竞争力的模型。

谷歌研究团队提出了一种全新的离散去噪扩散概率模型（D3PM）。

研究中，作者证明了过度矩阵的选择是一个重要的设计决策，它能改善图像和文本领域的结果。

此外，他们还提出了一种新的损失函数，它结合了变分下界和辅助的交叉熵损失。

在文本方面，这个模型在字符级文本生成方面取得了很好的效果，同时可以扩展到大词汇量的LM1B数据集上。

在CIFAR-10图像数据集上，最新模型接近了连续空间DDPM模型的样本质量，并超过了连续空间 DDPM 模型的对数似然。

图片

项目作者

Arnaud Pannatier

Arnaud Pannatier从2025年3月在导师François Fleuret的机器学习小组开始攻读博士学位。

他最近开发了HyperMixer，使用超级网络让MLPMixer能够处理各种长度输入。这使得模型能够以一种排列不变的方式处理输入，并证明了它给了模型一种随着输入长度线性扩展的注意力行为。

在EPFL，他先后获得了物理学学士学位和计算机科学与工程硕士学位（CSE-MASH）。

参考资料：

https://www.php.cn/link/46994a3cd8d943d03b44b8fc9792d435

https://www.php.cn/link/1879d84e181b6262704e95372dc9f4dc

以上就是扩散模型攻克算法难题，AGI不远了！谷歌大脑找到迷宫最短路径的详细内容，更多请关注其它相关文章！

# agi  # 安平数字营销推广  # 曲阜网站推广软件  # 的是  # 太强  # 核心技术  # 好用  # 很好  # 是一个  # 提出了  # 化生  # 远了  # 最短  # follow  # 排列  # 网络模型  # gan  # 仙女山营销推广公司  # 推广音乐网站怎么赚钱的  # 网站建设作业代码怎么写  # 济宁网站关键词优化排名  # 中国网站建设代码  # 自助网站建设常见问题  # SEO入门相机自拍  # 社区网站推广 

相关栏目： 【 行业资讯67740 】 【 技术百科0 】 【 网络运营39195 】

相关推荐： 折叠屏有哪些手机  爱奇艺vip会员可以同时几个人用？  j*a 怎么清空数组元素  夸克*免费吗  手机拍电脑屏幕有条纹怎么解决  vb中的datediff函数怎么用 ​VB中的DateDiff函数：详尽指南  苹果16系统有哪些功能  汽车排量是什么意思  j*a怎么讲数组打印  为什么学typescript  如何学好typescript  市盈率中1stdv是什么意思  在遥控器中power是什么意思  输入命令如何换行  红米手机怎么设置变成5G手机  typescript掌握哪些可以做项目  固态硬盘如何检查  如何查看win10版本命令行  美食音乐每日推荐怎么写  为什么夸克运行不了  如何判断固态硬盘端口  市盈率300是什么意思  5G手机导航怎么旋转  如何增加固态硬盘  怎么用win7系统盘重装系统  如何用命令下载服务器网站  夸克高考为什么不靠谱  市盈率底下 18A 19E 是什么意思  固态硬盘如何消除缓存  单片机蓝牙怎么开启设备  type-c接口接地是什么意思  焊机上power指示灯亮是什么意思  燃气热水器上的power是什么意思  夸克用的什么服务器  移动固态硬盘如何使用  如何显示固态硬盘  typescript适合什么用  哪里要用typescript  夸克文字口令是什么意思  安装固态硬盘如何设置  typescript和node学哪个  苹果16要升级哪些功能  dos命令如何复制目录结构  高市盈率是什么意思  春运返程如何抢票成功  固态硬盘内存如何查找  如何正确使用固态硬盘  如何编写一个linux命令  怎么更新typescript  苹果16颜色有哪些