热点事件持续更新
研究团队提出扩散语言模型微调方法GoldiMask
1 篇报道1 个报道来源6 小时前更新
先了解这件事
AI 综述
2026年10月，研究人员提出了一种离散扩散语言模型微调方法GoldiMask。该方法通过近似最大化次模目标来选择上下文token，并对预测目标进行加权。在3个骨干模型与3个训练数据集上的评估结果显示，GoldiMask在多数设置下取得了最高平均准确率，显著提升了推理与代码生成表现。此外，在置信度阈值并行解码设置下，该方法还在GSM8K和MATH-500基准上成功减少了解码迭代次数。
AI 根据报道生成 · 5 小时前更新
最新进展10月1日 12:00
研究团队提出微调方法GoldiMask，提升了扩散语言模型推理表现并减少了解码迭代。报道时间线
沿着报道，了解事件的不同侧面。
10月1日
- arXiv 人工智能基于上下文选择与目标加权的扩散语言模型微调方法
研究人员提出离散扩散语言模型微调方法 GoldiMask，通过近似最大化次模目标来选择上下文 token 并对预测目标加权。在 3 个骨干模型和 3 个训练数据集上的评估显示，GoldiMask 在多数设置下取得最高平均准确率，提升了推理与代码生成表现。在置信度阈值并行解码下，该方法还在 GSM8K 和 MATH-500 上减少了解码迭代次数。
本事件热度走势
当前热度 9·可比范围峰值 10（10月1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。