δMDM：可纠错的插入式掩码扩散模型

Durga Prasad Maram 等作者提出 δMDM，在插入式掩码扩散模型中加入替换与删除操作，使中间生成结果可被修正，从而支持更激进的并行解码。 在 OpenWebText 无条件文本生成上，最高推理预算下生成困惑度较 FlexMDM 减半；在 TinyGSM 条件生成上以一半的 NFEs 达到 FlexMDM 同等准确率。作者称该模型在速度—质量权衡上 Pareto 优于 FlexMDM。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。