何愷明團隊提出的分形生成模型（Fractal Generative Models） 引發了廣泛關注，其核心思想是通過遞歸調用生成模型模塊構建自相似結構，類似數學中的分形概念（如雪花結構），從而高效生成高分辨率數據（如圖像）。
Fractal Generative Models即分形生成模型，是一種新型的生成模型，以下是相關介紹：
定義與原理
- 核心概念：將生成模型本身抽象為一個模塊，通過在其內部遞歸調用同類生成模型來構建，產生具有自相似性的分形架構，類似于數學中的分形概念。
- 靈感來源：源于生物神經網絡和自然數據中觀察到的分形特性，比如生物神經網絡的組織形式以及自然圖像等數據在不同尺度下呈現的自相似模式。
核心公式及推導
假設每個自回歸模型中的序列長度是一個可管理的常數
)
