扩散语言模型提出免训练token级早停法

Zakhar Kohut 等研究者发布论文，提出一种针对扩散语言模型的免训练、token 级早停方法，在数学推理、通用问答和科学理解等多项基准上大幅减少了所需扩散步数，同时保持生成质量。 该方法针对迭代去噪中大量 token 提前收敛导致的算力浪费，基于模型预测与局部上下文的轻量信号，在每个位置独立判断收敛，实现自适应的逐 token 冻结，且无需任务特定微调。 上述效果来自论文摘要中的自述，尚未见独立验证。

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。