Pristine Models：可断开不安全分支的文生图架构
热点事件持续更新
Pristine Models：可断开不安全分支的文生图架构
1 篇报道1 个报道来源19 小时前更新
先了解这件事
AI 综述
2026年10月14日，arXiv Computer Vision 刊出 Anirudh Sundara Rajan 等作者的论文，提出 Pristine Models 文本到图像生成架构。该架构通过注意力机制，将安全知识与不安全知识分离到各自独立参数化的分支中，不安全分支可在推理时断开。作者称，在 ImageNet 上，该方法相比仅用安全数据训练或事后概念移除，图像质量更高、文本对齐更好，同时保留全量数据预训练的大部分效用；该方法在 CC12M 上同样有效。截至该报道，事件进展为架构提出与上述实验结论，尚无后续跟进报道。
AI 根据报道生成 · 1 小时前更新
最新进展10月14日 12:00
Pristine Models：在预训练阶段隔离不安全概念，推理时可断开不安全分支报道时间线
沿着报道，了解事件的不同侧面。
10月14日
- arXiv Computer VisionPristine Models：在预训练阶段隔离不安全概念，推理时可断开不安全分支
Pristine Models 是一种新的文生图架构，通过注意力机制将安全与不安全知识分离到独立参数化的分支中，不安全分支可在推理时断开。在 ImageNet 上，它比仅用安全数据训练或事后概念移除的图像质量更高、文本对齐更好，同时保留全量数据预训练的大部分效用；该方法在 CC12M 上同样有效。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。