δMDM加入纠错操作改进插入式生成
热点事件持续更新
δMDM加入纠错操作改进插入式生成
1 篇报道1 个报道来源9 小时前更新
先了解这件事
AI 综述
Durga Prasad Maram等研究者提出δMDM，在插入式掩码扩散模型中加入替换和删除操作，使中间生成结果可以修订；论文报告称，该方法在多个测试中优于对比模型。 在OpenWebText高多样性无条件文本生成中，δMDM在最高推理预算下的生成困惑度降至FlexMDM的一半，并在各推理预算下都低于从头训练的变长填充MDM。在TinyGSM条件文本生成中，δMDM使用一半的函数评估次数（NFEs）达到FlexMDM的准确率。
AI 根据报道生成 · 44 分钟前更新
最新进展10月28日 12:00
生、死与差分：δMDM 的带纠错插入式序列生成报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv · Machine Learning生、死与差分：δMDM 的带纠错插入式序列生成
研究者提出 δMDM，在插入式 masked diffusion model 中加入替换和删除操作，使中间生成结果可修订，并支持更激进的解码。在 OpenWebText 高多样性无条件文本生成中，最高推理预算下其生成困惑度降至 FlexMDM 的一半，且各预算下均低于从头训练的变长填充 MDM。在 TinyGSM 条件文本生成中，δMDM 以一半 NFEs 达到 FlexMDM 的准确率。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。