UnMaskFork:掩码扩散模型的测试时扩展
SakanaAILabs · x · 2026-07-04
Sakana AI 提出 UnMaskFork,一种面向掩码扩散语言模型(MMDLM)的测试时扩展框架,将在 ICML 2026 展示。
该方法借助蒙特卡洛树搜索(MCTS),在多个预训练 MDLM 间动态切换、协同生成文本,探索多样生成路径。在编程与数学推理任务上稳定优于标准 Best-of-N 及其他树搜索基线。
「研究」频道最新
- 谢雅琪加入 UIUC 任助理教授，招募智能体与机器人方向学生 — dhruv2038 · 2026-07-27
- Kimi K3 在网络安全上很强，但 token 效率卡住了评测 — teortaxesTex · 2026-07-27
- ARC AGI 3 应该保持私有，不该公开示例和数据集 — flowersslop · 2026-07-27
- ExploitGym 可能只有六到七成任务可解，引发 OpenAI 作弊争议 — max_paperclips · 2026-07-27
- 5090 本地测试：80k 上下文下 Qwen Q6 速度掉到 15 tok/s — LFAdvice7984 · 2026-07-27
- Chollet 认为智能可能有硬上限，AI 进步会趋于边际递减 — binarybits · 2026-07-27