热点事件持续更新
研究团队提出扩散大语言模型解码框架PV-Decoding
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20日，相关研究论文发布于arXiv自然语言处理板块。研究人员针对离散扩散大语言模型（dLLM）提出了一种名为PV-Decoding的投机解码框架。该框架通过置信度门控将掩码位置分区，并采用渐进式验证策略来加速推理过程。在GSM8K、MBPP和HumanEval等基准评测中，该方法将顺序模型前向传递次数（MFP）减少了8%至37%，且测试的最大精度降幅控制在1.3%以内。
AI 根据报道生成 · 5 小时前更新
最新进展10月20日 12:00
研究团队提出PV-Decoding框架，在多项评测中减少8%至37%的前向传递次数且精度降幅控制在1.3%以内。报道时间线
沿着报道，了解事件的不同侧面。
10月20日
- arXiv 自然语言处理PV-Decoding：面向扩散大语言模型的渐进式验证推测解码框架
研究人员提出针对离散扩散大语言模型（dLLM）的投机解码框架 PV-Decoding，通过置信度门控将掩码位置分区并采用渐进式验证策略加速推理。在 GSM8K、MBPP 和 HumanEval 评测中，该方法将顺序模型前向传递次数（MFP）减少 8%–37%，且最大精度降幅控制在 1.3% 以内。
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。