arXiv · cs.CL· Mathias Ollu·· 21 天前AI 评分51
arXiv 论文提出 H-CDLM：用分层连续扩散改进扩散语言模型
Denoising Hierarchical Representations: Joint Continuous Diffusion for Language Modeling
来源与原文
arXiv · cs.CL
作者：Mathias Ollu
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.08738v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
论文提出分层连续扩散语言模型 H-CDLM，通过对 token 及其由预训练嵌入聚类得到的粗粒度簇等多模态并行扩散，以极小计算与参数开销改进连续扩散语言模型。应用于 CoBit 得到 H-CoBit，在 LM1B 和 OWT 上生成困惑度分别为 49.4 和 50.4，比基线提升 24.2 和 20.7 点，GSM8K 准确率达 27.4%，超过同规模离散 DLM 及以往连续扩散和流匹配模型；应用于 FLM 得到 H-FLM 也有一致提升，代码将公开。
来源：arXiv · cs.CL · arxiv.org