快手 PSG 新范式：生成式重排序解码有序项对，步骤减半且无损
_reachsumit · x · 2026-07-30
快手团队提出了一种名为 PSG（Pair-Space Generation）的生成式重排序新方法，旨在解决自回归（AR）模型在列表生成中复杂度高和误差累积的问题。
- 核心创新：PSG 将生成的“原子”从单个物品转变为有序物品对。它通过预训练的模块实时生成物品对的表示，从而避免了二次方词表带来的数据稀疏问题。
- 理论保证：论文证明了 PSG 与传统的单项生成是双射关系，拥有等价的序列分布族，因此不会损失模型的表达能力。
- 性能提升：在适度设置下，理论上可实现 2 到 4 倍的生成加速，实际测试中解码步骤减半，实现了约 1.83 倍的推理提速。
「研究」频道最新
- 研究表明智能体框架可大幅提升 LLM 组合泛化能力 — lateinteraction · 2026-07-30
- 摆脱 API 调用者，斯坦福 CS336 大模型从零构建课程 — techNmak · 2026-07-30
- 斯坦福等提出 Handroid：可在人形与灵巧手间变形的机器人 — carlosdponx · 2026-07-30
- RATs：多智能体机器人终身技能学习系统，无需梯度或强化学习 — rsasaki0109 · 2026-07-30
- Cisco开源安全模型Antares-3B：本地运行成本仅1美元，性能接近GPT-5.5 — joshua_saxe · 2026-07-30
- DeepMind 研究员：大模型如同无索引图书馆，每次预测需遍历全部参数 — iamtrask · 2026-07-30