离散扩散语言模型自适应干预调度机制提出

研究者提出一种面向离散扩散语言模型（DLM）的自适应调度干预机制，将干预集中在各属性活跃形成的去噪阶段，而非全程均匀施加。 团队在四个 DLM（124M 至 8B 参数）上训练稀疏自编码器分析后发现，不同属性的涌现时间差异显著：在 MDLM 上主题在前 2% 去噪步骤内即确定，情感则需约 20% 过程逐步形成。 在七项单属性与多属性控制任务中，该方法持续优于均匀干预基线。上述结果来自 arXiv 论文，作者为 Hanhan Zhou 等。

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。