研究者提出分层掩码扩散语言模型HMDLM

Parul Gupta等作者提出分层掩码扩散语言模型（HMDLM）：为每个 token 位置附加训练数据中已有的层级信息，把生成拆成两遍——先预测掩码位置的层级分布，再据此预测 token 分布，并让各层级拥有独立噪声调度，从而在完全并行解码下优先揭示高优先级位置。作者称该方法只需零到极少的额外标注。 目前公开信息为模型设计层面的提出，尚未见实验结果或与其他方法的对比。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。