TraceQuery:扩散语言模型稀疏解码新框架
热点事件持续更新
TraceQuery:扩散语言模型稀疏解码新框架
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
Yukai Jin 等作者提出面向扩散语言模型(dLLM)的轻量稀疏解码框架 TraceQuery:用全去噪轨迹监督,预测少量近未来轨迹相关位置,只对这些候选做新鲜计算,再由主干模型从中选择提交。 作者称,该方法在基于缓存的方案中取得最优的质量-计算权衡,以显著更少的新鲜 token 计算维持高准确率,并可跨任务、模型变体和模型族泛化。
AI 根据报道生成 · 2 小时前更新
最新进展10月27日 12:00
TraceQuery:从扩散语言模型全去噪轨迹中学习重算位置报道时间线
沿着报道,了解事件的不同侧面。
10月27日
- arXiv cs.CLTraceQuery:从扩散语言模型全去噪轨迹中学习重算位置
TraceQuery 提出一种面向扩散语言模型(dLLM)的轻量稀疏解码框架,用全去噪轨迹监督预测少量近未来轨迹相关位置,仅对这些候选做新鲜计算,再由主干模型从中选择提交。该方法在基于缓存的方案中取得最优的质量-计算权衡,以显著更少的新鲜 token 计算维持高准确率,并可跨任务、模型变体和模型族泛化。
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。