跳到正文
热点事件持续更新

研究者提出理由分布蒸馏RDD方法

1 篇报道1 个报道来源4 小时前更新

先了解这件事

AI 综述

研究者提出理由分布蒸馏（RDD）方法，通过从多条文本推理路径中蒸馏，在定长隐式序列上训练条件流，并用 within-query mixup 在完整隐式理由间插值以扩展蒸馏目标。该流模型非自回归生成整段隐式序列，再由冻结语言模型从采样理由上下文中自回归解码答案。 实验显示，该分布式推理器在高等数学任务上的答案覆盖率优于所评估的点值隐式推理基线。

AI 根据报道生成 · 3 小时前更新

最新进展10月15日 12:00
通过 Flow Matching 实现理由分布蒸馏的分布式连续隐式推理

报道时间线

沿着报道，了解事件的不同侧面。

10月15日
  1. arXiv cs.CL
    通过 Flow Matching 实现理由分布蒸馏的分布式连续隐式推理

    研究者提出理由分布蒸馏（RDD），通过从多条文本推理路径中蒸馏，在定长隐式序列上训练条件流，并用 within-query mixup 在完整隐式理由间插值以扩展蒸馏目标。该流模型非自回归生成整段隐式序列，再由冻结语言模型从采样理由上下文中自回归解码答案。实验显示，该分布式推理器在高等数学任务上的答案覆盖率优于所评估的点值隐式推理基线。

本事件热度走势

可比范围当前
9
可比范围峰值
1010月15日 13:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。