May, 2024
文本模型：基于文本条件的神经网络扩散用于一次性训练的个性化
Text-to-Model: Text-Conditioned Neural Network Diffusion for Train-Once-for-All Personalization
Zexi Li, Lingzhi Gao, Chao Wu
TL;DR通过研究 train-once-for-all 个性化场景，本文调查了生成人工智能（GenAI）的文本到模型生成能力，以探讨其是否能理解内嵌在 AI 参数中的超级级别知识。作者提出了 Tina，一个基于文本的神经网络扩散模型，以实现 train-once-for-all 个性化。研究结果显示，即使在小数据集上进行训练（约 1000 个），Tina 表现出显着的分布内和分布外泛化能力，进一步验证了其对世界知识的理解能力。