AKOOL 研究

作者： 朱亚轩、谢建文、吴英年、高瑞奇
会议： 2024年第十二届国际学习表现会议（ICLR）
‍
这项研究提出了一种使用合作扩散回收可能性来学习基于能量的模型的创新方法。我们的方法利用合作学习和传播过程的优势来提高基于能量的模型的训练效率和有效性。
‍
阅读报纸

作者： 宋伟南、朱亚轩、何蕾、吴英年、谢建文
档案： arXiv，2024
‍
我们提出了一种基于能量的渐进式合作学习框架，用于多领域图像到图像的翻译。这种方法通过逐步完善学习过程来应对领域改编和翻译的挑战，从而在多个领域取得卓越的表现。

阅读报纸

作者： 孔德千、徐德宏、赵明露、庞博、谢建文、安德鲁·利扎拉加、黄宇豪、谢思睿、吴英年

在本文中，我们介绍了潜在计划转换器，这是一种将计划视为潜在变量推断的新框架。我们的方法结合了变压器和潜在变量模型的优势，可在复杂环境中实现稳健而高效的规划。

‍会议： 第 38 届神经信息处理系统会议 (NeuriPs 2024)

阅读报纸

作者： Khoa Doan、谢建文、朱亚轩、赵洋、李平

CooPhash 引入了一种通过合作学习进行监督图像哈希的新方法。通过利用变分马尔可夫链蒙特卡洛（MCMC）教学，它同时优化了多用途描述符和对比对生成器。这种创新的方法提高了图像哈希的效率和准确性，使其成为该领域的重大进步。

阅读报纸

作者： 余培玉、张定怀、何恒志、马晓健、苗瑞瑶、陆一凡、张雅思、孔德千、高瑞奇、谢建文、程光、吴英年

本文介绍了一种名为 “基于潜能的奥德赛” 的新型黑盒优化方法。该方法侧重于在基于能量的潜在空间内扩大探索，从而增强优化过程。通过利用潜在空间的能量格局，该方法提高了优化任务的效率和有效性，使其成为机器学习和优化领域的重大进步。

阅读报纸

作者： 孔德千、黄宇豪、谢建文、爱德华多·霍尼格、徐明、薛双红、林培、周三平、钟胜、郑南宁、吴英年

我们提出了潜在提示变压器（LPT），这是一种针对分子设计挑战性问题的新型生成模型。实验表明，LPT不仅能在单目标、多目标和结构受限的优化任务中有效地发现有用的分子，而且还表现出很高的样本效率。

阅读报纸