本周两篇新综述:连续扩散语言模型与机制可解释性全景
burny_tech · x · 2026-11-11
alphaXiv 推荐(转发)了两篇本周发布的高质量综述,主张在论文噪音爆炸的时代人工撰写的文献综述比以往更有价值。
《A Survey on Continuous Diffusion and Flow Language Models》(UPenn Sophia Tang 等,UPenn/KAIST/阿姆斯特丹大学):系统梳理连续扩散与 flow 语言模型——通过将噪声转化为 token 的连续表示来生成文本,可并行细化多个位置并保留依赖,还能用可微目标的梯度引导生成。综述覆盖 few-step 生成(flow maps 与蒸馏)、与图像视频生成的关联、scaling 至数十亿参数的进展,并列出表示学习、蒸馏、后训练、多模态与安全等开放问题,附 Awesome 论文合集与交互式论文地图。
《Understanding AI from the Inside》(Fazl Barez、Tony Wu 领衔,Oxford、Anthropic、Mila、Bengio、Stella Biderman 等参与):聚焦 AI 安全语境下的机制可解释性,核心问题是「理解模型内部机制是否真能让模型更安全」,并将机制证据与行为评测进行对比。
「研究」频道最新
- BVSR 框架借人类创造力理论,让 AI 科学家跳出熟悉路径产原创想法 — lupantech · 2026-11-11
- 科学家用 Claude 审计自己五年论文的可复现性,发现多处显著问题 — stanfordnlp · 2026-11-11
- 微软研究院 SIRIS 基准:19 个前沿 LLM 难判仿真误差何时推翻设计结论 — _akhaliq · 2026-11-11
- Geodesic 发布 NovaAtom-Lite，药物发现基准成绩超 AlphaFold 3 与 IsoDDE — QuanquanGu · 2026-11-11
- MacroHands 双目误差 13.1mm 刷新纪录，遮挡手部检出率 80% 远超基线 — gui_penedo · 2026-11-11
- Niantic Spatial 推出 Gaussian Splat 物体交互,服务具身 AI 训练 — Scobleizer · 2026-11-11