「Loopholing」新方法:让离散扩散模型全程自条件传递连续状态
NandoDF · x · 2026-10-24
NandoDF 转发推荐 Adrien Deschenaux 关于语言建模的「Loopholing All the Way」研究线程。核心问题:离散扩散模型每步独立采样,丢失了早期预测中的不确定性信息。
现有 Loopholing 方法用自条件在步骤间传递连续状态,但仍需每步采样;线程进一步探讨能否把自条件一路做到底,值得跟进原线程细节。
所属事件:LAW：让语言模型完全靠自条件化运作的新思路(5 条相关)→
「研究」频道最新
- ICU-REACT:让 LLM 学 ICU 医生的推理方式,比单纯堆参数更有效 — SoloGen · 2026-10-24
- 亚马逊 FAR 联合 CMU、斯坦福发布 FIBER：让 Unitree G1 学会连招送快递 — CyberRobooo · 2026-10-24
- 纯对话训练语音模型不新鲜，dGSLM 2022 年就用 2 千小时数据做过 — rdesh26 · 2026-10-24
- NYU学者称过去30年意识研究可能部分走错了方向 — birchlse · 2026-10-24
- 心理语言学研究：Claude Opus 5 语言风格最偏离人类基线分布 — gleech · 2026-10-24
- Google 研究 180 种 Agent 配置：串行任务多智能体反而降 39%-70% — ombre-ai · 2026-10-24