塊狀擴散語言模型出爐 兼具自回歸優勢
擴散模型在圖像與影片生成大放異彩,但在文本等離散數據上仍有生成長度受限、效率與質素不足的短板。一項獲ICLR 2025收錄的研究提出塊離散去噪擴散語言模型,嘗試融合自回歸與擴散兩種架構的優勢。
三大痛點
離散擴散模型現時面對三大局限:應用於聊天系統等場景時生成長度受限、推理效率偏低,以及生成質素不足,難以滿足實際應用對效率與可控性的要求。
相比自回歸模型,擴散模型的潛在優勢在於加速生成過程並提升輸出的可控性,因此成為近期語言模型架構變革中備受矚目的熱門研究方向。

IXThinker 會員內容
呢篇係 Archive 內容。登入即可解鎖全文,仲有成個 15,000+ 篇、每日更新嘅 AI 動態資料庫。
免費登入/註冊解鎖全文 →Google 或電郵地址即可,即刻解鎖。
