研究称连续扩散 LM 在少步结构化推理上优于离散扩散模型
rishabh16_ · x · 2026-10-14
一项系统性研究通过理论与实验对比连续与离散扩散语言模型在推理任务上的表现。核心发现：
- 连续流匹配模型（FLM）在少步结构化推理上领先于离散扩散 LM
- 理论解释：时间叠加（temporal superposition）机制让 FLM 能同时保留多个候选答案，供后续推理步骤继续使用，而离散扩散模型难以做到这一点
论文以系统化的理论与实验框架分析造成两类模型推理差异的原因。
「研究」频道最新
- Agent Sociodrama：用社会动力学诊断并重铸 LLM 智能体团队 — nanyang-technological-university-singapore · 2026-10-14
- 音视频文本三模态分数冲突：NRC 提出受控获取与弃权决策基准 — NRC-CNRC · 2026-10-14
- Google 提出 Harness²：递归自进化 agent 执行框架，最高涨 11.8 分 — google · 2026-10-14
- UltraBERT 重审 BERT 预训练：首次在分类与检索上同时达到 SOTA — Jungwoo Park · 2026-10-14
- 北大等发布 UniForge3D：稀疏无位姿图生成完整 3D 资产达 SOTA — PekingUniversity · 2026-10-14
- Vela：10 万用户真实行为数据当监督信号，用户任务最高涨 11.5 分 — AllSpark-Research · 2026-10-14