研究团队提出扩散语言模型免训练字符长度控制算法DELTA
Start here
2026年11月5日，arXiv发布的一篇自然语言处理研究提出了一种面向掩码扩散语言模型的免训练推理方法DELTA，旨在文本摘要任务中实现精确的字符长度控制。该方法无需对模型进行额外微调，可直接应用于现成的扩散语言模型。其核心机制是在每个去噪步骤中实时估计预期的字符长度，并通过动态插入或移除掩码位置的方式，引导文本生成逐渐逼近目标长度。在三个摘要基准测试的评估中，DELTA相较于基线方法成功将字符长度误差降低了一个数量级，同时保持了具有竞争力的摘要质量。
AI-generated from reports · Updated 5 hours ago
Report timeline
Follow the reports to see different sides of the story.
- arXiv 自然语言处理基于扩散语言模型的免训练摘要字符长度控制
研究提出面向掩码扩散语言模型的免训练推理方法 DELTA，用于在文本摘要中实现精确的字符长度控制。DELTA 在每个去噪步骤估计预期字符长度，通过动态插入或移除掩码位置引导生成走向目标长度，无需微调即可直接用于现成模型。在三个摘要基准上，DELTA 相比基线方法将字符长度误差降低了一个数量级，且保持了有竞争力的摘要质量。
Story heat trend
Current heat 9·Comparable peak 10（Nov 5 14:00）·Comparable change, last 24 hours–
Trends compare only the same parties observed continuously, so the scope can be narrower than current heat counts. Move the pointer or tap the chart to see hourly heat; use the left and right arrow keys on a keyboard.