扩散语言模型表格生成忠实性诊断

Zaynab Merimi 等研究者发表诊断研究，在 ToTTo 表格到文本任务上对比掩码扩散模型 MDLM、LLaDA 与自回归基线 GPT-2、GPT-Neo，发现参考相似度与源忠实度会脱钩。 研究称，LLaDA 增加示例后 BLEU 从 11.3 升至 22.0，但针对源表格的 NLI 蕴含分数从 0.78 降至 0.52，即表面更贴近参考文本时，对源表格的事实忠实度反而下降。

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。