热点事件持续更新

研究者提出分层连续扩散语言模型H-CDLM

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

Mathias Ollu 与 Nikos Komodakis 提出分层连续扩散语言模型框架 H-CDLM：并行扩散 token 本身和由预训练 token 嵌入聚类得到的粗粒度簇两种模态，各模态可用独立采样器与调度。应用于 CoBit 得到的 H-CoBit 在 LM1B 和 OWT 上生成困惑度分别为 49.4 和 50.4，较基线改善 24.2 和 20.7 点，GSM8K 准确率达 27.4%。作者称该框架同样适用于 FLM 流匹配模型，代码将公开。

AI 根据报道生成 · 3 小时前更新

最新进展10月28日 12:00

H-CDLM：面向语言建模的分层连续扩散框架

报道时间线

沿着报道，了解事件的不同侧面。

10月28日

12:00
arXiv cs.CL
H-CDLM：面向语言建模的分层连续扩散框架
研究者提出分层连续扩散语言模型 H-CDLM，通过并行扩散 token 本身与预训练 token 嵌入聚类得到的粗粒度簇两种模态，并允许各模态使用独立采样器与调度。应用于 CoBit 得到 H-CoBit，在 LM1B 和 OWT 上生成困惑度分别为 49.4 和 50.4，较基线改善 24.2 和 20.7 点，GSM8K 准确率达 27.4%。该框架同样适用于 FLM 流匹配模型，代码将公开。

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。