线性扩散模型对称性学习失败的量化研究

2026年10月27日，arXiv cs.AI/cs.LG 刊出一项研究，在可理论分析的线性扩散模型设定下，量化了模型学不到数据分布对称性的程度。该研究对比三种对称性破坏来源：非对称初始权重矩阵、带噪学习目标和有限样本噪声。结果显示，带噪学习目标造成的破坏最顽固，即使样本充足也不会消失，而这一结论正来自上述三者的对比。目前该工作以论文形式公开，暂未见后续跟进报道。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。