Asymptotic Preservation and Uniform Accuracy of Diffusion and Flow-Matching Samplers
扩散与流匹配采样器的渐近保持后验分析
机构 * University of Washington（华盛顿大学）
AI总结 研究将最小标准差视为奇异摄动参数，通过后验审计确定固定步长采样器的渐近保持性，分析不同时钟在终端层的稳定性及准确性，在特定模型上验证确定性和随机采样器特性，并用于EDM CIFAR-10检查点分析。
高校专区
University of Washington（华盛顿大学）
DIVE: Embedding Compression via Self-Limiting Gradient Updates
DIVE: 通过自限制梯度更新实现嵌入压缩
机构 * University of Washington Tacoma School of Engineering and Technology（华盛顿大学塔可姆分校工程与技术学院）
AI总结 本文提出DIVE方法，通过自限制的三元组损失和头级NT-Xent对比损失解决嵌入压缩中因标注数据稀缺导致的过拟合问题，提升了检索性能。
