热点事件持续更新
蒸馏扩散得分差异用于高效训练数据归因
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
2026-10-01，arXiv 发表机器学习理论论文，提出 TID 与 TIDE 两种方法，利用局部得分差异度量对扩散模型（DDPM、EDM、flow matching）进行训练数据归因，无需逐样本梯度或重新训练。
AI 根据报道生成 · 1 小时前更新
最新进展10月1日 12:00
论文提出 TID 和 TIDE 方法，实现对扩散模型的训练数据归因且无需逐样本梯度或重新训练。报道时间线
沿着报道，了解事件的不同侧面。
10月1日
- arXiv · Machine Learning Theory蒸馏扩散得分差异以实现高效训练数据归因
该研究提出 TID 和 TIDE 两种方法，利用局部得分差异度量对扩散模型（DDPM、EDM、flow matching）进行训练数据归因，无需逐样本梯度或重新训练。
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。