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
- Skyfall GS 登场:用 Flux 提升 Gaussian Splatting 精修质量 — ducha_aiki · 2026-09-11
- 一万个智能体能否突破反向传播,找到更好的学习算法 — SeunghyunSEO7 · 2026-09-11
- Apodex 发布 TRACES 标准:用 423 个真实问题评测"发现型 AI" — Faheem_uh · 2026-09-11
- 科学没有标准答案:TRACES 用六维度评估 AI 过程而非结果 — Faheem_uh · 2026-09-11
- Apodex 推出 TRACES 基准：不打标准答案，专测 AI 探索未知的能力 — Faheem_uh · 2026-09-11
- Cognition SWE-2 用 KKT 对偶优化长度惩罚，一次 RL 推移 Pareto 曲线 — YouJiacheng · 2026-09-11