热点事件持续更新
研究团队提出扩散语言模型无训练重掩码方法CoDR
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
2026年10月，研究团队发布面向掩码扩散语言模型的生成精炼方法CoDR（置信度漂移重掩码）。该方法针对生成过程中早期固化token的置信度随上下文变稠密而下降的问题，采用无需训练的设计且兼容多种采样器，仅需通过k次前向传播评估漂移，即可对被否定的token进行重新掩码和生成。实验表明，CoDR在2个骨干模型、4项推理与代码任务以及3种基础采样器上均提升了平均准确率。目前相关代码已开源。
AI 根据报道生成 · 3 小时前更新
最新进展10月8日 12:00
研究团队提出无需训练的扩散语言模型重掩码方法CoDR，代码已开源。报道时间线
沿着报道，了解事件的不同侧面。
10月8日
- arXiv 自然语言处理CoDR：面向扩散语言模型的无需训练置信度漂移重掩码方法
研究团队提出 CoDR（置信度漂移重掩码），一种用于掩码扩散语言模型的无需训练且兼容多种采样器的生成精炼方法。针对早期固化 token 置信度随上下文变稠密而下降的问题，CoDR 仅用 k 次前向传播评估漂移，并重新掩码和生成被否定的 token。在 2 个骨干模型、4 项推理与代码任务和 3 种基础采样器上，CoDR 均提升了平均准确率，代码已开源。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。