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
- RSNA 2026 深度学习实验室回归:芝加哥四天八节动手 AI 课 — PRouzrokh · 2026-10-27
- 新论文:数学数据放训练前段还是末段,取决于学习率调度 — alifcoder · 2026-10-27
- 健康领域评测研究:题目质量与多样性比数量更重要 — keunwoochoi · 2026-10-27
- 七项任务实测:开源模型开高推理档未必更好 — keunwoochoi · 2026-10-27
- 全同态加密 GPT-2 速通赛开跑:现纪录 3.031 秒/token — tensorqt · 2026-10-27
- 医疗评测：Kimi K3 平 GPT-6，但疑难病例开源落后 17 个百分点 — keunwoochoi · 2026-10-27