返回首页
最新
我发明了离散分布网络（Discrete Distribution Networks），这是一种具有简单原理和独特特性的创新生成模型，论文已被ICLR2025接受！<p>建模数据分布是一项挑战；DDN采用了一种简单但根本不同于主流生成模型（如扩散模型、生成对抗网络、变分自编码器、自回归模型）的方法：<p>1. 该模型在一次前向传播中同时生成多个输出，而不仅仅是一个输出。
2. 它利用这些多个输出来近似训练数据的目标分布。
3. 这些输出共同代表一个离散分布。这就是我们将其命名为“离散分布网络”的原因。<p>每个生成模型都有其独特的特性，DDN也不例外。在这里，我们强调DDN的三个特点：<p>- 零样本条件生成（Zero-Shot Conditional Generation，ZSCG）。
- 以树结构组织的一维离散潜在表示。
- 完全端到端可微分。<p>ICLR的评审意见：<p>> 我认为这个方法新颖而优雅。其新颖性非常强，不应被忽视。这是一个全新的方法，与现有的任何生成模型都大相径庭。
> 这是一篇非常好的论文，可以为生成建模开辟新的方向。
蒂姆·哈特内尔是家庭计算机兴起初期最 prolific 的作者之一，他撰写了许多涵盖不同平台游戏类型的热门书籍，以及在本书中讨论的人工智能。
我从哈特内尔1986年的书《在你的IBM PC上探索人工智能》中提取了BASIC程序列表，并将它们与PC-BASIC运行环境和说明整理在一起，以便你可以亲自尝试这些程序。
尽管自哈特内尔首次撰写本书以来，人工智能的领域发生了巨大的变化，但我希望如果你对探索1980年代家庭计算平台上的人工智能基础感兴趣，能从这些程序列表中获得一些价值。
不幸的是，蒂姆·哈特内尔于1991年去世，享年仅40岁。如果没有他的著作，我想我们中的许多人可能不会找到我们在计算机领域的起点。谢谢你，蒂姆。
基本上就是标题所说的。在使用像Claude Code这样的工具时，我发现最困难的事情之一就是保持与自己编写代码时一样的专注力。也许这是我个人的技能问题，所以我很好奇其他人是如何在这个充满编程助手的世界中管理自己的注意力的。<p>（我在等待一些代码时提交这个问题……）