Nikolay Malkin

GFlowNets verbessern die Sampling-Genauigkeit von komplexen diskreten Verteilungen.

PQMass misst die Qualität von generativen Modellen durch die Schätzung der Wahrscheinlichkeitsmasse.

Neue Methoden auschecken, um Diffusionsmodelle zu verbessern und komplexe Verteilungsmuster zu erzeugen.

Eine neue Methode verbessert die Stichprobeneffizienz für komplexe Wahrscheinlichkeitsverteilungen.

Erforschen, wie KI das mathematische Denken und Entdecken verbessern kann.

Ein neuer Ansatz verbessert die Vielfalt der Eingabeaufforderungen für sicherere Sprachmodelle.

Die Verbesserung der Probenqualität im maschinellen Lernen durch innovative Methoden.

GFlowNets ermöglichen effektives Sampling aus komplexen Verteilungen mit starken Generalisierungsfähigkeiten.

Strategien untersuchen, um KI-Systeme zu schaffen, die Sicherheit priorisieren und Risiken minimieren.