H-CDLM:扩散语言模型联合去噪层级语义表征,更少算力更好生成
abursuc · x · 2026-10-24
Mathias Ollu 等提出分层连续扩散语言模型(H-CDLMs),将此前 ReDi 工作中图像与语义特征联合建模的思路迁移到连续扩散 LM:让模型同时去噪 token 与粗粒度语义簇,形成层级化的联合扩散。
作者称该方法在更少算力下取得更好的生成质量,原帖附有技术线程展开细节。团队前辈 Spyros Gidaris 与 ThKouz 转发肯定。
「研究」频道最新
- 首个系统性实测：九个前沿大模型直接操控真实机械臂 — pwlot · 2026-10-25
- 蒙特利尔 Neuro-AI 大会 MAIN 2026 门票近售罄，LeCun 担纲 keynote — karimjerbineuro · 2026-10-25
- OpenAI 发布 719 篇 AI 数学手稿，社区建站跟踪勘误 — SoledadVillar5 · 2026-10-25
- 研究：帕金森药物 L-DOPA 让大脑对坏消息「充耳不闻」 — aakashgupta · 2026-10-25
- MorphMimic:一套策略驱动三种人形机器人同跳一段舞 — ChongZzZhang · 2026-10-24
- 不改模型只改 harness:Google 论文让 agent 提升 16 分 — alex_verem · 2026-10-24