LEAP：免训练并行解码加速扩散语言模型
热点事件持续更新
LEAP：免训练并行解码加速扩散语言模型
1 篇报道1 个报道来源6 小时前更新
先了解这件事
AI 综述
研究者 Haohui Zhang 等提出免训练、即插即用的并行解码方法 LEAP，用于扩散语言模型（dLLM）。该方法通过未来上下文过滤与多序列叠加检测早期收敛 token，以突破 dLLM 依赖高置信度阈值、限制并行解码扩展性的问题。 据该研究，相比基于置信度的解码，LEAP 平均去噪步数减少约 30%；在 GSM8K 上结合 dParallel 可将解码加速至每步 7.2 个 token，同时保持模型精度。
AI 根据报道生成 · 2 小时前更新
最新进展10月15日 12:00
LEAP：通过前瞻早期收敛 token 检测释放 dLLM 并行能力报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv cs.LGLEAP：通过前瞻早期收敛 token 检测释放 dLLM 并行能力
针对扩散语言模型（dLLM）依赖高置信度阈值、限制并行解码扩展性的问题，研究者提出免训练、即插即用的 LEAP 方法，利用未来上下文过滤与多序列叠加检测早期收敛 token。相比基于置信度的解码，平均去噪步数减少约 30%；在 GSM8K 上结合 dParallel 可将解码加速至每步 7.2 个 token，同时保持模型精度。
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。