跳到正文
原文
Lilian Weng·· 2018-10-13AI 评分40

Flow-based Deep Generative Models:基于流的深度生成模型

Flow-based Deep Generative Models

Edge-TTS 广播级有声
全员无门槛畅听
点击合成广播级音频
00:00
00:00
AI 导读

Flow-based deep generative models通过正态流技术解决学习真实数据概率密度函数的难题,使得生成模型能够高效完成数据生成、密度估计、推断潜在变量等下游任务。该模型通过一系列可逆变换构建,显式学习数据分布,损失函数为负对数似然。

来源:Lilian Weng · lilianweng.github.io

💡量子基态深度拆解 · 关联专栏与产品
原创出品站长/Quantara 团队·约 3 分钟深度解析

Cursor Agent 架构全景拆解:从影子工作区到多文件推演引擎

全面剖析 Cursor 在 Agent 模式下的底层技术实现,解析影子分支隔离、LSP 上下文剪枝以及预测性补全的核心架构细节与工程实践经验。

深入理解底层架构与行业变量阅读完整拆解 →
精选收录Vercel Changelog·约 1 分钟深度解析

Vercel v0 推出全新多 Agent 协作画布与实时全栈部署预览

动态速评:v0 正在从单一组件生成器演进为全栈应用搭建协作台,尤其是与 Neon/Postgres 的直连极大降低了全栈原型验证成本。

深入理解底层架构与行业变量阅读完整拆解 →