ニューヨーク大学、マサチューセッツ工科大学、Googleの研究チームは最近、拡散モデルにおける推論時間のスケーリングにおけるボトルネック問題に対処することを目的とした革新的なフレームワークを発表しました。この画期的な研究は、従来の単純なノイズ除去ステップの増加という方法を超え、生成モデルの性能向上のための新たな道を切り開きます。このフレームワークは主に2つの次元から展開されます。1つは検証器からのフィードバックを利用すること、もう1つはより最適なノイズ候補を発見するためのアルゴリズムを実装することです。研究チームは、256×256解像度の事前学習済みSiT-XLモデルをベースに、250回の固定ノイズ除去ステップを維持しながら…

生成AIは目覚ましい発展を遂げていますが、その性能を包括的に評価することは依然として課題です。様々なモデルが登場し、その効果はますます驚異的になっています。しかし、これらのテキストから画像を生成するモデルの効果をどのように評価すれば良いのでしょうか？従来の評価方法は、人間の目による評価に頼るため主観性が強すぎるか、CLIPScoreのような単純な指標を使用しますが、これらの指標は、オブジェクト間の関係や論理的推論など、複雑なテキストプロンプトの細部を捉えきれないことが多々あります。そのため、多くのテキストから画像を生成するモデルの評価結果が不正確になったり、誤った評価がされる可能性があります。

Google DeepMindの研究チームは最近、SCoRe（Self-Correction through Reinforcement Learning：強化学習による自己修正）と呼ばれる革新的な技術を開発し、大きな進歩を遂げました。この技術は、大規模言語モデル（LLM）が抱える長年の課題である自己修正の困難さを解決することを目指しており、複数のモデルや外部チェックに頼ることなく、エラーの特定と修正が可能です。SCoRe技術の中核は、その2段階アプローチにあります。第一段階では、モ