STDec:免训练加速扩散语言模型解码
热点事件持续更新
STDec:免训练加速扩散语言模型解码
1 篇报道1 个报道来源9 小时前更新
先了解这件事
AI 综述
Yuzhe Chen 等研究者提出免训练的时空稳定性引导解码方法 STDec,用于扩散语言模型(dLLM)。该方法聚合邻近 token 的解码状态,动态生成 token 自适应阈值,并对去噪步骤中预测 ID 保持一致的 token 放宽阈值。 在文本推理与多模态理解基准上,STDec 在生成分数相当的情况下提升推理吞吐;在 MBPP 上配合 LLaDA 最高实现 14.17 倍加速,且兼容基于缓存的加速方法。
AI 根据报道生成 · 52 分钟前更新
最新进展11月11日 13:00
STDec:面向 dLLM 的时空稳定性引导解码方法报道时间线
沿着报道,了解事件的不同侧面。
11月11日
- arXiv cs.CLSTDec:面向 dLLM 的时空稳定性引导解码方法
研究者提出免训练的时空稳定性引导解码方法 STDec,通过聚合邻近 token 的解码状态动态生成 token 自适应阈值,并对去噪步骤中预测 ID 保持一致的 token 放宽阈值。在文本推理与多模态理解基准上,STDec 在生成分数相当的情况下提升推理吞吐,在 MBPP 上配合 LLaDA 最高实现 14.17 倍加速,且兼容基于缓存的加速方法。
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。