AACL 2026 扩散语言模型教程:从基础到强化学习后训练全图谱
Bollegala · x · 2026-11-11
AACL-IJCNLP 2026 上,Science Tokyo 的 Daisuke Oba 与 Liverpool 大学/Amazon 的 Danushka Bollegala 举办扩散语言模型(DLM)教程并公开全部幻灯片。内容涵盖:文本扩散的定义及其与自回归/掩码语言建模的关系、大规模 DLM 的构建(已有开放权重模型与商用 API)、围绕去噪式生成重新设计的推理/训练/后训练(含强化学习),以及两大开放前沿——DLM 的可靠性/安全/偏见评测,和从离散扩散走向连续 flow 语言模型。教程假设无扩散背景,区分已验证结果与开放问题,附论文阅读清单,可作为入行地图。
所属事件:AACL 2026 扩散语言模型教程覆盖基础到 RL 后训练(2 条相关)→
「研究」频道最新
- cloneofsimo 发布讲解行列式点过程 DPP 的视频 — cloneofsimo · 2026-11-11
- 从内部状态绘出 Qwen3-8B 的「触觉身体地图」并做成解剖图 — repligate · 2026-11-11
- Qwen3-8B 身体地图实验：被告知与主动「抬起」左臂激活同样部位 — repligate · 2026-11-11
- 研究发现 Qwen3-8B 内部存在「这是我的身体部位」方向 — repligate · 2026-11-11
- 美欧NAE前沿工程研讨会聚焦物质智能与神经形态计算 — ProfBuehlerMIT · 2026-11-11
- MIT/NYU 推出 FLEX：机器人能从一句纠正悟出通用偏好 — JafarNajafov · 2026-11-11