iFAN：提升掩码Transformer推理感知的训练框架
Fang Li · hf · 2026-08-12
提出了一种名为 iFAN 的训练框架，旨在提升掩码 Transformer 的性能。该方法通过将查询排序与掩码质量对齐，并将更强的中间预测结果蒸馏到最终层，从而优化模型的推理表现。
「研究」频道最新
- 康奈尔大学研究：早期在线互动数据可预测论文影响力 — yian_yin · 2026-08-12
- 新论文提出优化方案，解决 LLM 搜索智能体上下文干扰 — _reachsumit · 2026-08-12
- 内存受限的推荐系统训练：应优先增加批次大小还是负样本数？ — _reachsumit · 2026-08-12
- 四行代码提升鲁棒性：多模态推荐系统的序列模态丢弃法 — _reachsumit · 2026-08-12
- Netflix 实践：用 LLM 重构推荐系统排序器，训练数据省 40 倍 — _reachsumit · 2026-08-12
- NTCF：基于曲率感知传播深度的树协同过滤框架 — _reachsumit · 2026-08-12