研究团队提出离散扩散语言模型框架LUDI

1. 12:00
   arXiv 自然语言处理

   弱均匀离散扩散模型更强大且具扩展性

   研究人员提出离散扩散语言模型框架 LUDI，通过引入弱均匀损失与逐 token 时间嵌入，解决了均匀扩散语言模型过度均匀的训练目标与采样混淆问题。基于 7B 自回归模型继续训练得到的 LUDI-7B 具备复杂推理能力，不仅在性能上媲美掩码扩散基准，相比自回归解码还实现了每步 3 个 token 的生成加速。

当前热度 5·可比范围峰值 5（10月1日 12:00）·近 24 小时可比范围变化 –

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。