Apple 发布三模态掩码扩散模型设计空间研究，3B 规模统一支持文本生成、T2I 与 T2S
The Design Space of Tri-Modal Masked Diffusion Models
阅读原文
本站未展示全文，请前往来源网站阅读。
AI 导读
Apple 提出首个从零预训练的三模态掩码扩散模型（MDM），在文本、图文和音频文本数据上训练，并系统分析多模态 scaling law、模态混合比例、噪声调度与 batch size 影响。
来源：Apple Machine Learning Research · machinelearning.apple.com