Apple Machine Learning研究チームが条件付き拡散モデルにおける構成的一般化のメカニズムを調査

条件付き拡散モデル（特定の条件に基づいて画像を生成するAI）が訓練時に見たことのない条件の組み合わせに対して説得力のあるサンプルを生成できるかどうかを検証。

長さ一般化（訓練時よりも多くのオブジェクトを含む画像を生成する能力）をCLEVR環境で調査した結果、一般化が実現できる場合とできない場合があることを発見し、モデルが常に基礎となる構成的構造を学習するわけではないことを示唆。

研究では条件付き拡散モデルが構成的一般化を実現できるメカニズムが不明であることから、その仕組みを明らかにする必要があることが示されている。