CoDR：扩散语言模型免训练重掩码方法

研究者提出一种面向掩码扩散语言模型的细化方法 CoDR（置信度漂移重掩码）。该方法免训练、与采样器无关，仅用 k 次前向传播估计所有已提交位置的置信度漂移，再对模型不再认可的 token 重新掩码并生成。 该方法针对的问题是：在这类模型中，已提交 token 不可逆，早期错误会随之传播。CoDR 通过上述重掩码步骤修正这些被模型“反悔”的 token。相关论文由 Yue Wu 等作者发布在 arXiv 的 cs.CL 分类下。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。