热点事件持续更新
研究提出连续扩散语言模型Prompt加噪训练法
1 篇报道1 个报道来源5 小时前更新
先了解这件事
AI 综述
2026年10月8日，arXiv发表关于连续扩散语言模型训练新方法的研究成果。该研究提出了在连续扩散语言模型训练过程中对条件提示词（Prompt）token 进行加噪的策略。该方法仅需修改单行训练目标，且默认不会增加推理成本。实验结果显示，该方法在组合推理任务上表现出更强的泛化能力，成功将 Sudoku Hard 求解率从 3.73% 提升至 24.65%，10x10 N-Queens 解覆盖率从 50.60% 提升至 73.79%，并进一步改善了 Gigaword 摘要的生成质量。
AI 根据报道生成 · 4 小时前更新
最新进展10月8日 12:00
研究提出在连续扩散语言模型中对提示词加噪，大幅提升复杂推理任务表现。报道时间线
沿着报道，了解事件的不同侧面。
10月8日
- arXiv 机器学习Noise Your Prompt：在连续扩散语言模型中对条件提示词 token 加噪
研究提出在连续扩散语言模型训练中对条件提示词 token 进行加噪，仅需修改单行训练目标且默认不增加推理成本。该方法在组合推理任务上表现出更强泛化能力，使 Sudoku Hard 求解率从 3.73% 提升至 24.65%，10x10 N-Queens 解覆盖率从 50.60% 提升至 73.79%，并改善了 Gigaword 摘要质量。
本事件热度走势
当前热度 9·可比范围峰值 10（10月8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。