提出PACS扩散语言模型SFT方法
热点事件持续更新
提出PACS扩散语言模型SFT方法
1 篇报道1 个报道来源17 小时前更新
先了解这件事
AI 综述
2026年10月15日，arXiv人工智能板块报道，Miao Li等作者针对扩散语言模型（DLM）中随机掩码导致的训练-推理不匹配问题，提出可预测性感知画布选择与监督方法PACS。该方法用模型自身的可预测性选择每个样本的注意力可见输入长度，并在参考token被置信度引导揭示前对其进行监督。在推理与代码生成基准上，PACS在对比的SFT方法中平均准确率最高，单项基准较原始SFT最高提升12.84个百分点。报道称代码将在论文发表后发布。
AI 根据报道生成 · 1 小时前更新
最新进展10月15日 12:00
匹配画布而非仅匹配答案：面向扩散语言模型的可预测性感知 SFT报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv Artificial Intelligence匹配画布而非仅匹配答案：面向扩散语言模型的可预测性感知 SFT
针对扩散语言模型（DLM）中随机掩码导致的训练-推理不匹配问题，研究者提出可预测性感知画布选择与监督方法 PACS，用模型自身的可预测性选择每个样本的注意力可见输入长度，并在参考 token 被置信度引导揭示前对其进行监督。在推理与代码生成基准上，PACS 在对比的 SFT 方法中平均准确率最高，单项基准较原始 SFT 最高提升 12.84 个百分点。代码将在论文发表后发布。
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。