HC-DLM：分层连续扩散语言模型

2026年10月2日，HuggingFace Daily Papers 收录一篇社区热门论文，研究者提出分层连续扩散语言模型（HC-DLM）。该模型将离散 token 生成与连续隐变量轨迹耦合进单一去噪过程，训练目标由 token 似然的变分下界推导而来。报道称，与把连续上下文附加到自足离散链上的近期方法不同，HC-DLM 让隐变量成为唯一持久生成状态，每一步从中读出 token，并反馈为下一步隐变量更新的脚手架。目前公开信息仅来自该论文条目，尚无后续实验复现或对比结果的报道。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。