清华大学TSAIL团队提出的免引导采样算法GFT，在视觉生成模型中实现高效训练，性能与CFG相当，且采样成本减半。GFT通过简单代码修改即可应用于多种视觉模型，显著提升生成质量与多样性。
AIxiv专栏报道了生成式“物理AI”的研究，探讨如何将物理规律融入视觉生成模型。文章介绍了六种显式物理模拟的生成范式，并分析了评估模型物理刻画能力的方法。未来，生成式“物理AI”有望在多个领域推动技术进步。
本研究提出了一种无指导训练算法（GFT），解决了现有视觉生成模型在采样时对条件和无条件模型的依赖问题。GFT在降低计算成本的同时，性能与经典指导模型相当，并可从零开始训练。实验结果表明，GFT在五种视觉模型中表现优异，验证了其有效性和多样性。
完成下面两步后，将自动完成登录并继续当前操作。
