热点事件持续更新
研究者提出自回归转扩散语言模型方案BYOD
1 篇报道1 个报道来源11 小时前更新
先了解这件事
AI 综述
2026年11月，研究人员在 arXiv 发布成果，提出一种名为 BYOD 的高效转换方案。该方案采用纯 LoRA 方式，在完全冻结基座参数的前提下，仅需 4.1% 至 5.8% 的适配器参数量，即可将自回归语言模型转换为扩散语言模型（DLM）。实验显示，在单张 Google Colab GPU 上仅需耗时 3.1 至 4.0 小时，即可完成 Gemma 2 9B 和 Llama 3.1 8B 等模型的转换。在 9 项基准任务评测中，转换后的 BYOD-Gemma 取得了 50.6% 的平均准确率。
AI 根据报道生成 · 11 小时前更新
最新进展11月2日 13:00
研究者提出纯 LoRA 方案 BYOD，可在单卡数小时内将自回归模型转为扩散模型。报道时间线
沿着报道，了解事件的不同侧面。
11月2日
- arXiv 自然语言处理BYOD：高效自回归到扩散语言模型转换方案
研究人员提出 BYOD 方案，通过纯 LoRA 方式将自回归语言模型高效转换为扩散语言模型（DLM）。在基座参数完全冻结下，仅需 4.1-5.8% 适配器参数量并在单张 Google Colab GPU 上耗时 3.1-4.0 小时，即可完成 Gemma 2 9B、Llama 3.1 8B 等模型的转换。BYOD-Gemma 在 9 项任务评测中取得 50.6% 的平均准确率。
本事件热度走势
当前热度 7·可比范围峰值 10（11月2日 14:00）·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。