NNGen：扩散模型直接生成神经网络权重

NNGen 发布了一个研究原型：输入英文行为描述，扩散模型便从纯噪声中“去噪”出可运行神经网络的权重，而不是生成图像。它沿用 UNet、DDIM、CFG 等文生图架构，把 6×32×32 的权重画布当作图像处理，生成约 1.6k 参数的 MLP 控制器，UNet 本身为 2.3M 参数；训练语料由可微环境自动生成，无需人工标注。 项目方称，该生成器只能产出与训练语料相似的行为，最好情况下是在这些行为之间插值；被刻意留出的六边形、八边形实验正是用来测试这种组合泛化。原型仅支持一种固定尺寸的控制器架构和简单行为，可在 CPU 上训练（mvp 预设 8 核需数小时），使用 GPU 可将语料规模和模型容量扩大一个数量级。

AI 根据报道生成 · 25 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。