Alec Helbling：新方法可视为「循环自条件化」
alec_helbling · x · 2026-10-14
在关于扩散语言模型的讨论中，Alec Helbling 提出可将近期一类方法理解为「循环自条件化」（recurrent self-conditioning）：模型获得了一个与扩散时间步解耦的额外深度维度。
区别在于：常规自条件化采样中，每次迭代都推进扩散时间；而这类方法是在不推进时间的情况下，对干净的预测结果做 K 步循环精炼。回复者 Luca Ambrosino 补充指出，扩散领域本就有 self-conditioning 之称，且它正成为语言扩散模型的标配。
「研究」频道最新
- 小鹏发布自动驾驶 VLA 模型 AUGUstus，NAVSIM 双榜 SOTA 并实车部署 12Hz — XPENG-AI · 2026-10-14
- 阿里联合南洋理工系统评测对比学习策略：多数花式技巧收效甚微 — alibaba-multimodal-industrial-ai · 2026-10-14
- Lightricks 推出 APEX：层级潜空间+异步去噪，实现 64-128 倍极致压缩 — Lightricks · 2026-10-14
- 2.2 万条基准数据显示:中国开源模型仅落后美国闭源模型 7 个月 — jakecoolguy · 2026-10-14
- EFF AI 进展指标库:追踪 AI 各子领域研究进展的老牌数据集 — robseamans · 2026-10-14
- Felten 团队经典方法:如何把 AI 进展量化映射到职业能力 — robseamans · 2026-10-14