Binary Discrete Diffusion提出候选集扩散
热点事件观察中
Binary Discrete Diffusion提出候选集扩散
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
Rodrigo Casado Noguerales等提出并评估了Binary Discrete Diffusion，用每个位置的二进制成员向量表示候选 token 集，使扩散过程能够逐步添加或移除候选项，并保留部分不确定性；在特定逻辑、规划和受约束生成基准上，其对称版本优于对照方法。该方法属于连续时间离散扩散过程，面向逻辑、规划和受约束生成任务。 在Sudoku-Extreme、Boxoban和图着色上，对称版本在匹配架构并控制训练、采样和调参预算的条件下，持续优于经过充分调优的掩码扩散与均匀扩散基线；在Text8、TinyStories和OpenWebText语言建模上则保持有竞争力。
AI 根据报道生成 · 12 小时前更新
最新进展10月21日 12:00
Binary Discrete Diffusion 提出候选集扩散用于逻辑与规划任务报道时间线
沿着报道，了解事件的不同侧面。
10月21日
- arXiv · Machine LearningBinary Discrete Diffusion 提出候选集扩散用于逻辑与规划任务
Binary Discrete Diffusion 将每个位置的候选 token 集表示为二进制成员向量，使扩散过程能够逐步添加或移除候选项并保留部分不确定性。
本事件热度走势
- 可比范围当前
- 5
- 可比范围峰值
- 710月22日 03:00
- 近 24 小时变化
- –
02468
04:0006:0008:0010:0012:0014:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。