热点事件持续更新

Cord解码策略提升掩码扩散语言模型成功率

1 篇报道1 个报道来源12 小时前更新

先了解这件事

AI 综述

Chengwei Zhou等作者提出Cord，一种面向掩码扩散语言模型（dLLM）的轻量提示词条件解码策略：以置信度解码为稳定参照，通过几何残差学习何时偏离。在3个dLLM和5个推理、代码与约束满足基准上，Cord将平均任务成功率从置信度解码的32.0%提升至48.2%，并优于各领域最佳固定残差。该方法仅增加0.53M可训练参数，无需额外主干前向，推理延迟开销为5.39%。

AI 根据报道生成 · 2 小时前更新

最新进展10月31日 12:00

Cord：面向掩码扩散语言模型的置信度锚定顺序残差解码

报道时间线

沿着报道，了解事件的不同侧面。

10月31日

12:00
arXiv cs.AI
Cord：面向掩码扩散语言模型的置信度锚定顺序残差解码
针对掩码扩散语言模型（dLLM）解码顺序问题，研究者提出 Cord——一种以置信度解码为稳定参照、通过几何残差学习何时偏离的轻量提示词条件策略。在 3 个 dLLM 和 5 个推理、代码与约束满足基准上，Cord 将平均任务成功率从置信度解码的 32.0% 提升至 48.2%，并优于各领域最佳固定残差。该方法仅增加 0.53M 可训练参数，无需额外主干前向，推理延迟开销为 5.39%。

本事件热度走势

可比范围当前: 7
可比范围峰值: 810月31日 22:00
近 24 小时变化: –

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。