论文：训练中对条件提示token加噪
热点事件持续更新
论文：训练中对条件提示token加噪
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
研究者 Justin Jung 发表论文，提出对连续扩散语言模型的训练做一处改动：训练时也对条件提示词 token 加噪。该方法在数独和 10x10 N-Queens 等组合推理任务上提升明显，Sudoku Hard 求解率从 3.73% 升至 24.65%，N-Queens 覆盖率达 73.79%。 据论文，该方法在 Gigaword 摘要等小数据集自然语言生成上有改善，但未迁移到开放式对话生成；默认不增加推理成本，代码已公开。
AI 根据报道生成 · 1 小时前更新
最新进展10月8日 12:00
噪声化提示词：连续扩散语言模型中的条件 token 加噪训练报道时间线
沿着报道，了解事件的不同侧面。
10月8日
- arXiv：cs.CL噪声化提示词：连续扩散语言模型中的条件 token 加噪训练
研究者对连续扩散语言模型的标准做法做出单行修改：训练时也对条件提示词 token 加噪，从而在数独和 N-Queens 等组合推理任务上获得更好泛化，Sudoku Hard 求解率从 3.73% 提升至 24.65%，10x10 N-Queens 覆盖率达 73.79%。该方法在 Gigaword 摘要等小数据集自然语言生成上有改善，但未迁移到开放式对话生成；默认不增加推理成本，代码已公开。
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。