Flow 语言模型的高效推理

研究表明流语言模型（FLM）通过在去噪过程中演化连续序列表示，在少步数下实现了比离散扩散模型更高的推理效率。理论与干预实验证实，FLM 能在生成离散 token 前持续保留多个候选证据来辅助推理。在 Maze15 规划任务中，FLM 仅需 64 步去噪即可达成 95% 准确率，且参数量比 MDLM 减少 36.5%。