技术文章 6

本地AI绘画替代Midjourney:Stable Diffusion/FLUX完全指南

# 本地AI绘画替代Midjourney:Stable Diffusion/FLUX完全指南 每月花$10-$60订阅Midjourney?DALL-E 3按token烧钱?如果你有一张显卡,完全可以把这些钱省下来,用开源工具在本地实现同

词语如何塑造声音:风格描述TTS的交叉注意力归因分析

# 词语如何塑造声音:风格描述TTS的交叉注意力归因分析 ## TL;DR 风格描述文本转语音(Style-Captioned TTS)系统用自然语言来控制声音特性——比如"用低沉、沙哑的声音说"。但每个描述词究竟是如何影响最终语音的?

DiffusionGemma推理透明度研究:扩散语言模型的黑箱到底有多黑

# DiffusionGemma的推理透明度:扩散语言模型的"黑箱"到底有多黑? ## TL;DR 扩散语言模型DiffusionGemma在连续潜空间中执行大量计算,其推理过程的透明度一直令人担忧。这项研究将透明度分解为"变量透明度"

扩散语言模型的推理透明度:DiffusionGemma能否被真正理解?

扩散语言模型DiffusionGemma的推理透明度看似比自回归模型差28.6倍,但通过token瓶颈映射可降至1.1倍。研究还发现了非时序推理、token涂抹等扩散模型独有的推理现象,为新一代语言模型的安全评估奠定基础。

DiffusionGemma 的透明度究竟如何?——扩散语言模型可解释性深度解析

扩散语言模型 DiffusionGemma 的推理透明度比最初预想的要好得多。表面上看,它的不透明串行深度是传统自回归模型 Gemma 4 的 28.6 倍,但通过插入可解释的 token 瓶颈层,可以无损地将这一数值压缩到 1.1 倍。研究还发现了非时序推理、token 涂抹等扩散模型特有的推理现象,并证实 DiffusionGemma 的可监控性与 Gemma 4 相当。

DiffusionGemma的推理透明度:扩散模型真的比自回归模型更难理解吗?

研究表明,扩散语言模型DiffusionGemma的推理过程并不像表面看起来那样不透明——通过可解释的token瓶颈,其不透明度仅比Gemma 4高1.1倍。