热点事件持续更新
GoldiMask：扩散语言模型微调的上下文选择与目标加权
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
2026年10月1日，arXiv cs.AI 分类发布研究报道，研究者提出 GoldiMask 方法，用于离散扩散语言模型的监督微调。该方法通过近似最大化子模目标来选择作为上下文揭示的 token，并按目标从所选上下文中获益的程度及其剩余学习潜力对其加权。目前该工作以预印本形式公开，尚无后续进展报道。
AI 根据报道生成 · 2 小时前更新
最新进展10月1日 12:00
研究者提出 GoldiMask，以子模目标选择上下文并对目标加权，用于扩散语言模型微调。报道时间线
沿着报道，了解事件的不同侧面。
10月1日
- arXiv：cs.AI（全量分类）GoldiMask：用上下文选择与目标加权微调扩散语言模型
研究者提出 GoldiMask，通过近似最大化子模目标来选择作为上下文揭示的 token，并按目标从所选上下文中获益的程度及其剩余学习潜力对其加权，用于离散扩散语言模型的监督微调。
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。