arXiv · cs.AI · Yuan Mei, Xingyu Song, Xiaowen Song, Naoya Takeishi · 9 小时前模型评分37
M³：用多尺度 Morton 度量重构离散物理仿真的训练度量
M$^3$: Reframing Training Measures for Discretized Physical Simulations
导读
针对物理仿真神经代理模型因离散采样导致监督不均的问题，研究者提出 M³（Multi-scale Morton Measure，多尺度 Morton 度量）框架，按物理变化划分空间并在多个尺度上分配监督。
分类置信度
中 · 待人工复核
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
应用领域：制造与工业、科学研究
事件类型：研究发布
证据摘录
- “we propose M$^3$ (Multi-scale Morton Measure), a scalable framework that balances training measures by partitioning space according to physical variation and allocating supervision across multiple scales.”
- “Code is available at this https URL .”
来源：arXiv · cs.AI · arxiv.org