热点事件持续更新
研究团队提出行并行语言模型LatLM
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
2026年10月20日，研究人员在arXiv发布成果，提出了网格语言模型LatLM。该模型针对固定调度的行并行模型因跨行依赖而导致的过早提交与推理错误问题，将提交调度转变为自适应解码策略。测试结果显示，在482M参数规模下，LatLM的自适应并行解码在独立行任务中仅使用25%至41%的解码轮数，即可达到接近自回归模型的准确率；在混合依赖链任务中，其准确率达到96.5%，优于LCLM的78.5%，同时解码轮数不足自回归基线的一半。
AI 根据报道生成 · 2 小时前更新
最新进展10月20日 12:00
研究团队提出行并行模型LatLM，引入自适应解码有效降低轮数并提升准确率。报道时间线
沿着报道，了解事件的不同侧面。
10月20日
- arXiv 机器学习LatLM：具备延迟提交机制的行并行大语言模型
研究人员提出了网格语言模型 LatLM，通过将提交调度转变为自适应解码策略，解决了固定调度行并行模型因跨行依赖导致的过早提交与推理错误。在 482M 参数规模下，其自适应并行解码在独立行任务中仅用 25--41% 的解码轮数即可达到接近自回归模型的准确率。在混合依赖链任务中，LatLM 准确率达 96.5%，优于 LCLM 的 78.5%，且解码轮数不足自回归基线的一半。
本事件热度走势
当前热度 9·可比范围峰值 10（10月20日 13:00）·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。