新研究：生成模型可在任意位置插入Token
thjashin · x · 2026-07-06
传统自回归模型只能在序列末尾追加token，表达能力受限。该论文提出「插入式生成模型」，允许在任意位置插入token，理论表达能力更强，但难以用标准最大似然训练。
研究引入可扩展的变分学习方法解决训练难题，为超越AR范式的生成模型提供了新思路。
「研究」频道最新
- Fern 架构支持 1000 万 token 上下文，预测精度持续提升 — AccBalanced · 2026-10-27
- Diamandis 详解 AI 癌症导航与 $100 基因测序如何缩小抗癌鸿沟 — PeterDiamandis · 2026-10-27
- EMNLP Oral 论文：免训练 KV 缓存驱逐实现 10 倍内存压缩 — yuz9yuz · 2026-10-27
- ICML 2026立场论文:别把中间token叫「思考轨迹」 — rao2z · 2026-10-27
- forking 收官：probe gap 随上下文频率呈幂律，掩蔽低频 n-gram 可缩小差距 — ZimingLiu11 · 2026-10-27
- 「forking」机制拆解：n-gram 表把 logits 切成互不干扰的子空间 — ZimingLiu11 · 2026-10-27