arXiv 论文提出 GRAFT 修复连续扩散语言模型词表长尾坍缩
原文标题：GRAFT: Restoring the Missing Sampling Interface in Continuous Diffusion Language Models
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
研究揭示连续扩散语言模型（如 ELF）因缺少逐步离散采样，导致罕见词出现率仅为人类的 0.30 倍，且扩大参数无法弥补。作者提出免训练方法 GRAFT，在模型未定稿时先锁定稀有词再整体重生成。在三种 ELF 规模与 LangFlow 上，稀有词占比从人类 0.42-0.77 倍恢复至 0.82-1.10 倍。
- 问题
- 连续扩散语言模型缺少逐步离散采样，导致罕见词长尾坍缩。
- 方法
- 免训练方法 GRAFT：在模型尚未定稿时先锁定稀有词，再整体重生成。
- 结果
- ELF 最稀有词出现率仅为人类的 0.30 倍且扩大参数不改善；GRAFT 在三种 ELF 规模与 LangFlow 上把稀有词占比从人类 0.42-0.77 倍恢复到 0.82-1.10 倍。
- 影响
- 连续扩散模型上线前需检查词表长尾，GRAFT 提供无需重训的修补手段。
深读 · 结论先行AI 生成展开看要点与影响 ↓
连续扩散模型 ELF 稀有词出现率仅为人类 0.30 倍，免训练方法 GRAFT 将其恢复至 0.82-1.10 倍。
- •ELF 在常见词上与人类频率几乎一致，但最稀有词出现率仅为人类的 0.30 倍
- •该差距从 105M 扩到 652M 参数仍未缩小，现有采样器设置也无法触及
- •归因于缺少逐步离散采样：每步由候选平均驱动，稀有词与常见词竞争时落到常见词
- •GRAFT 在模型未定稿时先锁定稀有词再整体重生成，在三种 ELF 规模与 LangFlow 上把稀有词占比从人类 0.42-0.77 倍恢复到 0.82-1.10 倍
为什么重要：指出连续扩散「无逐步离散化」这一性能来源的隐藏代价，且给出免训练修复方案，对采用 ELF 类模型的团队是低成本补丁。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。