标签
本文指出了逻辑门网络无法从深度增加中受益的两个原因，并提出了输入锚定逻辑门网络（IALGNs），该方法使每一层都基于原始输入进行条件化，实现了超过100层的持续深度精度提升。
MIT研究人员提出了一种利用深度神经网络进行核临界实验逆向设计的方法，该方法采用新颖的多组注意力池化架构和基于梯度的优化策略，以最大化中子相似性系数。该方法被应用于验证HALEU燃料运输容器，在三种目标构型下均取得了较高的相似性评分。
LeapAlign是一种后训练方法，通过两步轨迹捷径降低计算成本，同时实现梯度稳定传播到早期生成步骤，从而改善流匹配模型与人类偏好的对齐。在微调Flux模型时，该方法在多种图像质量和文本对齐指标上均优于现有最先进方法。