热点事件持续更新
研究提出R²D推理方法以扩展掩码扩散模型性能
1 篇报道1 个报道来源7 小时前更新
先了解这件事
AI 综述
2026年10月23日，arXiv机器学习领域发表的一项研究提出了随机重新掩码去噪（R^2D）推理方法与轨迹校正训练（TCT），旨在解决掩码扩散模型在生成过程中错误不可逆的核心问题。据报道，该方法具备免微调与近对数线性测试时扩展特性。在评估测试中，该方法在困难数独与3-SAT逻辑任务上分别取得了超过97%和超过99%的准确率；在实际语言任务方面，其在HumanEval+基准上的表现超越了LLaDA2.1-mini官方的Q-mode准确率。
AI 根据报道生成 · 7 小时前更新
最新进展10月23日 12:00
研究提出R^2D推理方法与TCT训练，显著提升掩码扩散模型在逻辑和代码任务中的表现。报道时间线
沿着报道，了解事件的不同侧面。
10月23日
- arXiv 机器学习随机重新掩码实现掩码扩散模型推理扩展
研究人员提出随机重新掩码去噪（R^2D）推理方法与轨迹校正训练（TCT），解决掩码扩散模型生成过程中错误不可逆的问题。该方法具备免微调与近对数线性测试时扩展特性，在困难数独与 3-SAT 逻辑任务上分别取得超 97% 和超 99% 的准确率。在实际语言任务中，其在 HumanEval+ 上的表现超越了 LLaDA2.1-mini 官方 Q-mode 准确率。
本事件热度走势
当前热度 8·可比范围峰值 10（10月23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。