LFPO绕过序列似然优化掩码扩散模型
热点事件持续更新
LFPO绕过序列似然优化掩码扩散模型
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
Chenxing Wei等作者提出Sequence Likelihood-Free Policy Optimization（LFPO）框架，将扩散大语言模型的策略对齐转化为离散速度对齐，绕过序列级似然估计，用对比式token级更新直接优化去噪logits。 作者称，在推理与代码基准上，LFPO的准确率匹配或超过基于似然的基线，同时显著加速推理，并可用更少的去噪迭代完成高质量采样。
AI 根据报道生成 · 2 小时前更新
最新进展10月28日 12:00
LFPO：面向掩码扩散模型的 token 级策略优化与速度对齐报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv cs.AILFPO：面向掩码扩散模型的 token 级策略优化与速度对齐
研究者提出 Sequence Likelihood-Free Policy Optimization（LFPO），将扩散大语言模型（dLLM）的策略对齐转化为离散速度对齐，绕过序列级似然估计，用对比式 token 级更新直接优化去噪 logits。在推理与代码基准上，LFPO 的准确率匹配或超过基于似然的基线，同时显著加速推理，并可用更少的去噪迭代完成高质量采样。
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。