苹果提出归一化轨迹模型（NTM）
热点事件持续更新
苹果提出归一化轨迹模型（NTM）
1 篇报道1 个报道来源16 小时前更新
先了解这件事
AI 综述
2026年10月8日，苹果机器学习研究部门在其一手报道中，介绍了一种名为归一化轨迹模型的新生成模型方法。该方法将每个反向采样步骤建模为一个具有精确似然训练的条件归一化流。其架构在每个步骤内结合了浅层可逆块和跨轨迹的深度并行预测器，形成了一个可从头训练或从预训练流匹配模型初始化的端到端网络。报道称，在文本到图像基准测试中，NTM仅用四个采样步骤就能匹配或超越强基线，同时保留了生成轨迹上的精确似然。
AI 根据报道生成 · 54 分钟前更新
最新进展10月8日 08:00
苹果提出 Normalizing Trajectory Models：一种保留精确似然的少步采样图像生成模型报道时间线
沿着报道，了解事件的不同侧面。
10月8日
- Apple Machine Learning Research苹果提出 Normalizing Trajectory Models：一种保留精确似然的少步采样图像生成模型
苹果研究人员提出了 Normalizing Trajectory Models，它将每个反向采样步骤建模为具有精确似然训练的条件归一化流。该架构在每个步骤内结合浅层可逆块和跨轨迹的深度并行预测器，形成一个可从头训练或从预训练流匹配模型初始化的端到端网络。在文本到图像基准测试中，NTM 仅用四个采样步骤就能匹配或超越强基线，同时独特地保留了生成轨迹上的精确似然。
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。