Conditioning(条件控制)是机器学习中通过附加信号引导模型输出的核心机制,在生成模型、决策模型与智能体系统中都处于方法层面关键位置。其基本思路是把任务描述、状态信息或目标标签作为额外输入注入模型,使同一个模型能按不同条件产生不同结果。近期研究显示,这一机制正从简单的提示注入向更细粒度、可验证的控制方式演进,同时
Conditioning
general · 首次出现 2026-05-22 · 最近出现 2026-10-23 · 累计提及 43
综述
相关报道
10 条在档- LAW 提出纯 Self-Conditioning 生成模型，扩散语言模型新路线arXiv cs.LG
- Advantage Guidance：用监督学习的稳定性做强化学习arXiv cs.LG
- 微软研究院开源 Code Video Model：先写代码再生成视频小互
- 研究证明 Success Conditioning 在一类 MDP 上收敛于最优策略arXiv cs.LG
- LLM条件控制中的效果与流畅性权衡研究Apple ML Research
- 研究：物理残差约束何时能提升 Neural PDE 模型表现arXiv cs.LG
- TGDT：用预测误差筛选可信上下文，改进 Decision Transformer 长序列表现arXiv cs.LG
- State-Grounded Conditioning：让 LLM 智能体依据实时状态给出正确方向arXiv cs.AI
- GenRecon：生成式先验+多视角重建，手机完成3D建模berryxia
- LuckyStar 111B:高效适配多语言工具使用代理，Think in English, Answer in KoreanarXiv cs.LG