事件追踪已归档

H-CDLM联合去噪提升扩散语言模型生成质量

首次报道 10-23最新进展 10-231 篇报道，1 个来源

事件综述根据 1 篇报道整理，10月23日更新

alphaXiv 介绍了一种名为 H-CDLM 的分层连续扩散语言模型：它在去噪时同时重建 token 和 token 所属的粗粒度语义聚类，让高层语义信息引导 token 重建，以缓解连续扩散语言模型难以从噪声表示恢复精确 token 的问题。据 alphaXiv 介绍，将该方法应用于 CoBit 后，LM1B 上文本生成质量提升 33%，OpenWebText 上提升 29%，GSM8K 数学准确率从 25.4% 升至 27.4%，去噪步数减半。上述结果来自论文报告，尚待独立验证。

综述由模型根据报道生成，细节以各篇原文为准。

进展时间线

北京时间，最早在上

10-23
21:35
alphaXivH-CDLM联合去噪提升扩散语言模型生成质量
阅读这篇报道

全部报道

1 篇，点开看摘要

10-23 21:35H-CDLM：分层连续扩散语言模型提升文本生成alphaXiv预印本未入选

H-CDLM 通过联合去噪 token 与其粗粒度语义聚类，让高层信息引导 token 重建，缓解连续扩散语言模型难以从噪声表示恢复精确 token 的问题。应用于 CoBit 后，在 LM1B 上文本生成质量提升 33%、OpenWebText 上提升 29%，GSM8K 数学准确率从 25.4% 升至 27.4%，且去噪步数减半。

阅读这篇报道