热点事件持续更新
研究者提出分层掩码扩散语言模型HMDLM
1 篇报道1 个报道来源1 小时前更新
先了解这件事
AI 综述
2026年10月，研究者提出了分层掩码扩散语言模型（HMDLM）。该模型通过为不同 token 位置引入层次级别与独立的噪声调度机制，在保持全并行解码能力的同时优先生成关键内容。HMDLM 采用两阶段设计，先后预测层次分布与具体 token，且无需或仅需极少的额外标注。实验结果显示，HMDLM 在 WikiHow 上的困惑度较 MDLM 最多降低了 7 点；在数独任务中，其求解准确率较现有扩散基线模型提升了至多 8.6 个百分点。
AI 根据报道生成 · 1 小时前更新
最新进展10月22日 12:00
研究者提出HMDLM模型，在保留全并行解码同时显著降低困惑度并提升数独求解准确率。报道时间线
沿着报道，了解事件的不同侧面。
10月22日
- arXiv 自然语言处理分层掩码扩散语言模型（HMDLM）
研究者提出分层掩码扩散语言模型（HMDLM），通过为不同 token 位置引入层次级别与独立噪声调度，在保持全并行解码的同时优先生成关键内容。该模型分两阶段先后预测层次分布与 token，无需或仅需极少额外标注。实验显示其在 WikiHow 上的困惑度较 MDLM 最多降低 7 点，并在数独任务中将求解准确率较现有扩散基线提升至多 8.6 个百分点。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。