各方报道 2 篇
arXiv cs.LG·09-18 12:00★ 3
新方法probe guidance刷新扩散语言模型引导性能
原文 论文提出 probe guidance，利用现有扩散模型冻结的内部状态构建引导信号，原理类似 autoguidance 但无需推理时额外前向传播。在连续扩散语言模型上，该方法在无条件生成上刷新最优性能，并持续提升 1.7B 扩散语言模型的多选题基准表现。研究还揭示传统 autoguidance 中弱模型必须来自训练的低熵区域。
Apple Machine Learning Research·09-23 08:00★ 3
新方法probe guidance提升扩散语言模型生成性能
原文 研究者提出探针引导（probe guidance）方法，利用冻结的扩散模型内部状态构建引导信号，原理类似 autoguidance，但推理时无需额外前向传播。该方法在连续扩散语言模型的无条件生成任务上刷新了最优性能，为流匹配模型的引导提供了更可靠的路径。