文本也可走连续潜空间生成
LucaAmb · x · 2026-07-17
这条转发介绍了一篇关于生成建模的新工作 Latent Thought Flows。
作者先概括了当前生成模型的一个共同路线：
- 图像、视频、音频、动作等模态，普遍会先压缩到连续潜空间，再在潜空间中生成，最后解码出来。
- 唯一还在主要依赖离散 token 自回归生成的，是语言。
这篇工作尝试把这一思路引入文本：
- 将 256 个文本 token 压缩成 8 个连续 latent；
- 用 一步 flow model 在 latent 上生成；
- 再通过 自回归解码器 还原成文本。
作者声称，这种方法在推理计算量与生成质量的折中上，优于一个调参后的自回归基线。
所属事件:Latent Thought Flows：文本压缩至连续潜空间生成(2 条相关)→
「研究」频道最新
- 学术研究如何真正被采用:选重要问题、做好 eval、易用性决定影响力 — srchvrs · 2026-10-27
- 苦涩教训第二弹:能产生影响的学术发明很少,发表场所并不关键 — srchvrs · 2026-10-27
- 研究成果被采用的四个条件:重要问题、强基线、可扩展、真实可用 — srchvrs · 2026-10-27
- EMNLP 主题演讲:产业界其实在读论文,只是不署你的名 — srchvrs · 2026-10-27
- GitHub 快速位打包算法致谢漏了两位作者,学者晒亲身经历 — srchvrs · 2026-10-27
- 入学一周即当上 ARR 审稿 Area Chair,学者吐槽评审乱象 — anmarasovic · 2026-10-27